Gaussian Noise Level Learning을 이용한 Blind Universal Bayesian 이미지 노이즈 제거

시각 및 보편적 이미지 노이즈 제거는 임의의 노이즈 수준을 가진 이미지를 단일 모델을 사용하여 제거하는 기술입니다. 이 방법은 모델 개발 시나 테스트 시 노이즈 수준을 알 필요가 없기 때문에 특히 실용적입니다. 우리는 이론적으로 입증된 보편적이고 시각적인 딥 러닝 이미지 노이즈 제거기를 제안합니다. 이 제거기는 가우시안 노이즈 제거를 위한 최적의 솔루션, 즉 융합 노이즈 제거(fusion denoising)에 기반하고 있습니다. 이 솔루션은 가우시안 이미지 사전 가정(Gaussian image prior assumption) 하에서 이론적으로 도출되었습니다. 합성 실험 결과, 우리의 네트워크가 미처 본 적 없는 추가적 노이즈 수준(additive noise levels)에 대해 일반화 능력이 우수함을 보여줍니다. 또한, 우리는 실제 이미지에서의 노이즈 제거를 위해 융합 노이즈 제거 네트워크 구조를 조정하였습니다. 우리의 접근법은 훈련된 노이즈 수준뿐만 아니라 훈련 과정에서 본 적 없는 노이즈 수준에서도 실제 세계 회색조 추가 이미지(grayscale additive image)의 PSNR 결과를 개선합니다. 또한 모든 단일 노이즈 수준에서 최신 색상 이미지(color image)의 노이즈 제거 성능을 평균 0.1dB 개선하였습니다.