변분 제노이징 네트워크: 블라인드 노이즈 모델링 및 제거를 향하여

무작위 이미지 노이즈 제거는 실제 이미지의 복잡한 획득 과정 때문에 컴퓨터 비전 분야에서 중요한 동시에 매우 어려운 문제입니다. 본 연구에서는 무작위 이미지 노이즈 제거를 위해 노이즈 추정과 이미지 노이즈 제거를 하나의 독특한 베이지안 프레임워크로 통합하는 새로운 변분 추론 방법을 제안합니다. 구체적으로, 깊은 신경망으로 매개변수화된 근사 사후 확률 분포가 입력된 노이즈 이미지를 조건으로 하여 내재적인 청정 이미지와 노이즈 분산을 잠재 변수로 취하여 제시됩니다. 이 사후 확률 분포는 모든 관련 초매개변수에 대해 명시적인 매개변수 형태를 제공하므로, 테스트용 노이즈 이미지에 대한 자동 노이즈 추정과 함께 무작위 이미지 노이즈 제거를 쉽게 구현할 수 있습니다.한편, 다른 데이터 기반의 딥 러닝 방법들과 마찬가지로, 본 연구에서 제안하는 변분 노이즈 제거 네트워크(Variational Denoising Network, VDN)는 사후 표현의 명시적 형태 덕분에 효율적으로 노이즈 제거를 수행할 수 있습니다. 다른 한편으로, VDN은 전통적인 모델 기반 접근 방식의 장점을 계승하며, 특히 생성 모델의 우수한 일반화 능력을 상속받습니다. VDN은 좋은 해석 가능성을 가지고 있으며, 실제 환경에서 수집된 복잡한 비독립 동일 분포(non-i.i.d.) 노이즈를 추정하고 제거하는 데 유연하게 활용될 수 있습니다. 포괄적인 실험을 통해 본 방법의 무작위 이미지 노이즈 제거에서의 우월성을 입증하였습니다.