노이즈 플로우: 조건부 정규화 플로우를 이용한 노이즈 모델링

이미지 노이즈의 모델링과 합성은 많은 컴퓨터 비전 응용 분야에서 중요한 측면입니다. 문헌에서 오랫동안 사용되어 온 가산 백색 가우시안 노이즈와 이종분산(신호 종속) 노이즈 모델은 실제 센서 노이즈에 대한 대략적인 근사치만을 제공합니다. 본 논문에서는 최근의 정규화 흐름 구조를 기반으로 한 강력하고 정확한 노이즈 모델인 Noise Flow를 소개합니다. Noise Flow는 잘 알려진 기본 매개변수 노이즈 모델(예: 신호 종속 노이즈)과 정규화 흐름 네트워크의 유연성 및 표현력을 결합합니다. 그 결과 2500개 미만의 매개변수를 포함하면서도 여러 카메라와 게인 인자를 나타낼 수 있는 단일, 포괄적이고 컴팩트한 노이즈 모델이 생성됩니다. Noise Flow는 기존의 노이즈 모델을 크게 능가하며, 카메라 보정된 노이즈 레벨 함수보다 0.42 나츠/픽셀(nats/pixel) 개선되었으며, 샘플링된 노이즈의 우도에서 52%의 개선을 보입니다. Noise Flow는 단순한 매개변수 모델을 넘어 딥러닝과 데이터 주도형 노이즈 분포를 활용하는 첫 번째 진지한 시도를 대표합니다.