GRDN: 그룹화된 잔차 밀집 네트워크를 이용한 실제 이미지 노이즈 제거 및 GAN 기반 실제 세계 노이즈 모델링

최근 이미지 노이즈 제거 연구는 특히 컨벌루션 신경망을 포함한 딥 러닝 아키텍처의 발전에 따라 진전을 이어가고 있습니다. 그러나 실제 환경에서의 이미지 노이즈 제거는 여전히 매우 어려운 문제입니다. 이는 이상적인 원본 이미지와 실제 환경에서의 노이즈 이미지를 동시에 획득하기 불가능하기 때문입니다. 최근 벤치마크 데이터셋의 출시로 인해, 이미지 노이즈 제거 분야의 관심은 실제 환경에서의 노이즈 제거 문제로 옮겨가고 있습니다. 본 논문에서는 최신 기술인 잔차 밀집 네트워크(RDN)를 확장하고 일반화한 그룹 잔차 밀집 네트워크(GRDN)를 제안합니다. GRDN의 핵심 구성 요소인 그룹 잔차 밀집 블록(GRDB)은 GRDN의 모듈로서 사용됩니다. 실험을 통해 GRDB들을 연속적으로 연결함으로써 이미지 노이즈 제거 성능이 크게 향상됨을 보여주었습니다. 또한, 네트워크 아키텍처 설계 외에도 새로운 생성적 적대 네트워크 기반 실제 환경 노이즈 모델링 방법을 개발하였습니다. 우리는 NTIRE2019 실제 이미지 노이즈 제거 챌린지 - 트랙 2:sRGB에서 피크 신호 대 잡음 비율과 구조적 유사성 면에서 가장 높은 점수를 얻음으로써 제안된 방법들의 우수성을 입증하였습니다.