다중 프레임 슈퍼 해상도 및 노이즈 제거의 깊은 재매개변수화

우리는 다중 프레임 이미지 복원 작업에서 일반적으로 사용되는 최대 사후 확률(MAP) 공식화의 깊은 재매개변수화를 제안합니다. 우리의 접근 방식은 학습된 오차 메트릭과 대상 이미지의 잠재 표현을 도입함으로써 MAP 목적 함수를 깊은 특성 공간으로 변환하는 과정에서 유도되었습니다. 이 깊은 재매개변수화는 잠재 공간에서 직접 이미지 생성 과정을 모델링하고, 학습된 이미지 사전 정보를 예측에 통합할 수 있게 합니다. 따라서 우리의 접근 방식은 깊은 학습의 장점을 활용하면서, 고전적인 MAP 공식화가 제공하는 원칙적인 다중 프레임 융합의 이점도 누릴 수 있습니다. 우리는 버스트 노이즈 제거와 버스트 초해상 데이터셋을 통해 포괄적인 실험을 수행하여 우리의 접근 방식을 검증하였습니다. 결과적으로, 우리의 접근 방식은 두 작업 모두에서 새로운 최고 성능을 달성하였으며, 제안된 공식화의 일반성과 효과성을 입증하였습니다.