学習タスク指向性フローを用いた合成動画および実動画のノイズ除去における相互特徴整合のガイド化

動画ノイズ除去は、ノイズを除去してクリーンな動画を復元することを目的とする。既存の研究では、隣接フレームから得られる空間時系列的な追加情報を利用することで、光流（optical flow）がノイズ除去に有効であることが示されている。しかし、光流推定自体もノイズに敏感であり、特に大きなノイズレベル下では信頼性が低下し、実用不能となる場合がある。このような課題に対処するため、本研究では、異なるノイズレベルに対してより頑健なマルチスケール精 refinement 光流ガイド付き動画ノイズ除去手法を提案する。本手法は、主にノイズ除去を目的とした光流精 refinement（DFR）モジュールと、光流ガイド付き相互ノイズ除去伝播（FMDP）モジュールから構成される。従来の手法が既存の光流ソリューションを直接利用するのに対し、DFRモジュールはまずロバストなマルチスケール光流を学習し、FMDPモジュールは低解像度から高解像度へと段階的に光流情報を導入・精 refinement することで、光流のガイド情報を効果的に活用する。さらに、実際のノイズ劣化を再現するための合成手法を組み合わせることで、本提案するマルチスケール光流ガイド付きノイズ除去ネットワークは、合成ガウスノイズ除去および実動画ノイズ除去の両面で、最先端の性能を達成した。コードは公開予定である。