GRDN: グループ化された残差密集ネットワークによる実際の画像ノイズ除去とGANに基づく実世界ノイズモデリング

最近の画像ノイズ除去に関する研究は、深層学習アーキテクチャ、特に畳み込みニューラルネットワーク（Convolutional Neural Networks: CNN）の発展に伴って進展しています。しかし、実世界の画像ノイズ除去は依然として非常に困難な課題であり、理想的な真値画像と実世界のノイジー画像のペアを取得することは不可能です。最新のベンチマークデータセットの公開により、画像ノイズ除去コミュニティの関心は実世界のノイズ除去問題に向かっています。本論文では、最先端の残差密結合ネットワーク（Residual Dense Network: RDN）を拡張し一般化したグループ化された残差密結合ネットワーク（Grouped Residual Dense Network: GRDN）を提案します。RDN の核心部分はグループ化された残差密結合ブロック（Grouped Residual Dense Block: GRDB）として定義され、GRDN の構築モジュールとして使用されます。実験結果から、GRDB を連続的に接続することで画像ノイズ除去性能が大幅に向上することが示されています。さらに、ネットワークアーキテクチャ設計だけでなく、新しい生成対抗ネットワーク（Generative Adversarial Network: GAN）に基づく実世界ノイズモデリング手法も開発しました。NTIRE2019 実画像ノイズ除去チャレンジ - トラック 2:sRGB において、ピーク信号対雑音比（Peak Signal-to-Noise Ratio: PSNR）と構造的類似性指標（Structural Similarity Index: SSIM）の両面で最高得点を達成することにより、提案手法の優位性を示しています。