초록
단일 이미지 비 제거는 매우 어려운 문제입니다. 이는 비가 내린 이미지에 크기, 방향, 밀도가 다양한 비 줄기가 포함될 수 있기 때문입니다. 기존의 접근 방식들은 단일 이미지에서 비 줄기를 제거하기 위해 일부 사전 정보를 활용하여 이 문제를 해결하려고 시도하였습니다. 그러나 이러한 접근 방식들의 주요 한계 중 하나는 이미지 내 비방울의 위치 정보를 고려하지 않는다는 점입니다. 제안된 불확실성 안내 다중 스케일 잔차 학습(UMRL) 네트워크는 다른 스케일에서 비 내용을 학습하고 이를 이용하여 최종 비 제거 출력을 추정함으로써 이 문제를 해결하려고 합니다. 또한, 추정에 대한 신뢰도 측정값을 바탕으로 네트워크 가중치를 학습하도록 하는 기술을 소개합니다. 더불어, 사이클 스피닝(cycle spinning) 개념을 기반으로 한 새로운 훈련 및 테스트 절차를 도입하여 최종 비 제거 성능을 개선하였습니다. 합성 데이터셋과 실제 데이터셋에 대한 광범위한 실험을 통해 제안된 방법이 최근의 최신 방법론들보다 상당한 개선 효과를 보임을 입증하였습니다. 코드는 다음 링크에서 확인할 수 있습니다: https://github.com/rajeevyasarla/UMRL--using-Cycle-Spinning