초록
깊은 합성곱 신경망(CNNs)은 특정 노이즈 모델링과 제노이징에서 뛰어난 능력을 보여주었지만, 실제 세계의 노이즈가 포함된 이미지에서는 여전히 성능이 부족하다. 이는 실제 세계의 노이즈가 더욱 복잡하고 다양하기 때문인 것이 주요 원인이다. 본 논문에서는 이러한 문제를 해결하기 위해 새로운 피라미드 실제 이미지 제노이징 네트워크(PRIDNet)를 제안한다. 이 네트워크는 세 가지 단계로 구성된다. 첫째, 노이즈 추정 단계에서는 채널 주의 메커니즘을 사용하여 입력 노이즈의 채널 중요도를 재조정한다. 둘째, 다중 스케일 제노이징 단계에서는 피라미드 풀링을 활용하여 다중 스케일 특성을 추출한다. 셋째, 특성 융합 단계에서는 커널 선택 연산을 통해 적응적으로 다중 스케일 특성을 융합한다. 두 개의 실제 노이즈 사진 데이터셋에 대한 실험 결과, 우리의 접근 방식은 양적 평가와 시각적 인식 품질 면에서 최신 제노이저들과 비교해 경쟁력 있는 성능을 달성할 수 있음을 입증하였다. 코드는 https://github.com/491506870/PRIDNet에서 제공된다.