초록
깊은 합성곱 신경망(Deep Convolutional Neural Networks, DCNN)은 공간적으로 불변인 노이즈(합성 노이즈)를 포함하는 이미지에서 더 우수한 성능을 보입니다. 그러나 실제 노이즈가 있는 사진에서는 성능이 제한적이며, 여러 단계의 네트워크 모델링이 필요합니다. 이 논문에서는 블라인드 실제 이미지 노이즈 제거 알고리즘의 실용성을 향상시키기 위해 모듈식 구조를 활용한 새로운 단일 단계 블라인드 실제 이미지 노이즈 제거 네트워크(RIDNet)를 제안합니다. 저주파 정보의 흐름을 용이하게 하기 위해 잔차-잔차 구조(Residual on the Residual Structure)를 사용하고, 채널 간 의존성을 활용하기 위해 특징 주의 메커니즘(Feature Attention)을 적용하였습니다. 또한 세 개의 합성 노이즈 데이터셋과 네 개의 실제 노이즈 데이터셋에서 19개의 최신 알고리즘들과 비교하여 정량적 지표와 시각적 품질 면에서 RIDNet의 우수성이 입증되었습니다.