초록
빠른 추론과 우수한 성능으로 인해 차별적 학습 방법은 이미지 노이즈 제거 분야에서 널리 연구되어 왔습니다. 그러나 이러한 방법들은 대부분 각 노이즈 수준에 대한 특정 모델을 학습하며, 다양한 노이즈 수준의 이미지를 제거하기 위해서는 여러 모델이 필요합니다. 또한 공간적으로 변하는 노이즈를 처리하는 데 유연성이 부족하여 실제 노이즈 제거 응용 분야에서의 활용이 제한됩니다. 이러한 문제들을 해결하기 위해, 입력으로 조정 가능한 노이즈 수준 맵을 사용하는 빠르고 유연한 노이즈 제거 컨볼루션 신경망인 FFDNet을 소개합니다. 제안된 FFDNet은 다운샘플링된 부분 이미지들에서 작동하여, 추론 속도와 노이즈 제거 성능 사이에서 좋은 균형을 이룹니다. 기존의 차별적 노이즈 제거기들과 달리, FFDNet은 다음과 같은 몇 가지 바람직한 특성을 가지고 있습니다: (i) 단일 네트워크로 [0, 75] 범위의 다양한 노이즈 수준을 효과적으로 처리할 수 있는 능력, (ii) 비균일한 노이즈 수준 맵을 지정하여 공간적으로 변하는 노이즈를 제거할 수 있는 능력, (iii) 벤치마크인 BM3D보다 CPU에서도 성능 저하 없이 더 빠른 속도. 합성 및 실제 노이즈 이미지에 대한 광범위한 실험을 수행하여 FFDNet을 최신의 노이즈 제거기들과 비교 평가하였습니다. 결과는 FFDNet이 효과적이며 효율적임을 보여주어, 실제 노이즈 제거 응용 분야에서 매우 매력적인 선택임을 입증하였습니다.