초록
이전 연구들은 합성곱 신경망(Convolutional Neural Networks)이 이미지 노이즈 제거 작업에서 우수한 성능을 달성할 수 있음을 보여주었다. 그러나 국한된 정적 합성곱 연산의 한계로 인해 이러한 방법들은 과도하게 부드러워지는 아티팩트(oversmoothing artifacts)를 유발한다. 더 깊은 네트워크 구조를 도입하면 이러한 문제를 완화할 수 있지만, 더 많은 계산 부담이 수반된다. 본 논문에서는 효율적인 단일 이미지 블라인드 노이즈 제거를 위한 새로운 공간 적응형 노이즈 제거 네트워크(Spatial-Adaptive Denoising Network, SADNet)를 제안한다. 공간적 텍스처와 에지의 변화에 적응하기 위해, 잔차형 공간 적응형 블록(Residual Spatial-Adaptive Block)을 설계하였으며, 변형 가능한 합성곱(Deformable Convolution)을 도입하여 공간적으로 상관된 특징을 샘플링하고 가중치를 부여한다. 다중 스케일 정보를 포착하기 위해 컨텍스트 블록(Context Block)을 포함한 인코더-디코더 구조를 도입하였다. 거시적부터 미시적 단계로 나아가며 노이즈를 제거함으로써, 고품질의 노이즈 없는 이미지를 얻을 수 있다. 제안한 방법은 합성된 이미지와 실제 노이즈 이미지 데이터셋에 모두 적용하였으며, 실험 결과는 제안된 방법이 정량적 및 시각적으로 모두 최첨단 노이즈 제거 기법들을 능가함을 입증한다.