Salt-and-Pepper 오염 제거를 위한 중간층을 가진 합성곱 신경망

우리는 소금과 후추(salt-and-pepper, s&p) 노이즈에 오염된 이미지를 복원하기 위해 새로운 유형의 레이어인 중간값 레이어(median layer)를 사용하는 깊은 완전 합성곱 신경망을 제안합니다. 중간값 레이어는 모든 특징 채널에서 단순히 중간값 필터링을 수행합니다. 이 유형의 레이어를 널리 사용되는 완전 합성곱 딥 신경망에 추가함으로써, 우리는 사전 처리 작업을 수행하지 않고도 극단적으로 높은 수준의 s&p 노이즈를 제거할 수 있는 엔드투엔드(end-to-end) 네트워크를 개발하였습니다. 이는 기존의 s&p 노이즈 제거 문헌과는 다르게 접근한 것입니다. 실험 결과, 간단한 완전 합성곱 네트워크에 L2 손실 함수와 함께 중간값 레이어를 삽입하면 신호 대 잡음 비율(signal-to-noise ratio)이 크게 향상됨을 보여주었습니다. 정량적 비교를 통해 우리의 네트워크가 제한적인 양의 학습 데이터로도 최신 방법론(state-of-the-art methods)보다 우수한 성능을 발휘함을 입증하였습니다. 소스 코드는 공개 평가 및 사용을 위해 배포되었습니다(https://github.com/llmpass/medianDenoise).