NBNet: 이미지 복원을 위한 하위공간 투영을 활용한 노이즈 기저 학습

이 논문에서는 이미지 디노이징을 위한 새로운 프레임워크인 NBNet을 제안한다. 기존의 연구들과 달리, 본 연구는 이미지 적응형 투영을 통한 노이즈 감소라는 새로운 관점에서 이 도전적인 문제에 접근한다. 구체적으로, 특징 공간에서 재구성 기저( reconstruction basis )를 학습함으로써 신호와 노이즈를 분리할 수 있는 네트워크를 학습하는 방안을 제안한다. 이후 입력 이미지를 신호 부분공간(signal subspace)에 해당하는 기저들로 선택하고, 해당 부분공간으로 투영함으로써 이미지 디노이징을 수행한다. 본 연구의 핵심 통찰은 투영이 입력 신호의 국소 구조를 자연스럽게 유지할 수 있다는 점이며, 특히 저조도 영역이나 약한 텍스처 영역에서 이러한 특성이 두드러진다. 이를 위해, 기저 생성과 부분공간 투영을 전용으로 학습하기 위해 비국소 부분공간 주의(Non-local Subspace Attention, SSA) 모듈을 제안한다. 또한, 이 SSA를 엔드투엔드 이미지 디노이징을 위해 설계된 UNet 구조를 가진 NBNet과 통합한다. SIDD와 DND와 같은 기준 데이터셋에서 평가를 수행한 결과, NBNet은 PSNR 및 SSIM 지표에서 최신 기술 수준(SOTA) 성능을 달성하면서도 계산 비용을 크게 절감하는 데 성공하였다.