DMCNN: 압축 아티팩트 제거를 위한 듀얼 도메인 멀티 스케일 컨볼루셔널 신경망

JPEG는 손실 압축 이미지 방법 중 가장 일반적으로 사용되는 표준 중 하나입니다. 그러나 JPEG 압축은 특히 높은 압축률에서 다양한 종류의 아티팩트를 불가피하게 도입하며, 이는 체감 품질(Quality of Experience, QoE)에 큰 영향을 미칠 수 있습니다. 최근에는 컨볼루션 신경망(Convolutional Neural Network, CNN) 기반 방법들이 JPEG 아티팩트 제거에서 우수한 성능을 보여주고 있습니다. 많은 연구에서는 CNN의 깊이를 늘리고 더 깊은 특징을 추출하는 데 주력하였으나, 상대적으로 네트워크의 수용 필드(receptive field)에 주목하는 연구는 적었습니다. 본 논문에서는 여러 경우에서 수용 필드를 확장함으로써 출력 이미지의 품질을 크게 개선할 수 있음을 설명합니다. 이를 한 단계 더 발전시켜, 픽셀 영역과 DCT(Discrete Cosine Transform) 영역 모두에서 중복성을 최대한 활용할 수 있는 듀얼도메인 멀티스케일 CNN(Dual-domain Multi-scale CNN, DMCNN)을 제안합니다. 실험 결과, DMCNN은 JPEG 아티팩트 제거 작업에서 새로운 최첨단(state-of-the-art) 성능을 달성하였습니다.