초록
대규모 실재 원시 이미지 노이즈 제거 데이터셋의 부족으로 인해, 노이즈 제거 모델 학습을 위한 현실적인 원시 이미지 노이즈를 합성하는 데 어려움이 존재한다. 그러나 실재 원시 이미지 노이즈는 다양한 노이즈 원인에 의해 발생하며, 서로 다른 센서 간에 매우 큰 차이를 보인다. 기존의 방법들은 모든 노이즈 원인을 정확히 모델링하는 데 한계가 있으며, 각 센서에 대해 개별적인 노이즈 모델을 구축하는 것도 상당한 노동력을 요구한다. 본 논문에서는 센서의 실재 노이즈에서 직접 샘플링하는 새로운 접근 방식을 제안함으로써 노이즈를 합성한다. 이 방법은 다양한 카메라 센서에 대해 자연스럽게 정확한 원시 이미지 노이즈를 생성할 수 있다. 공간적 상관관계를 갖는 노이즈와 고비트 노이즈를 정확히 합성하기 위해 각각 패턴 정렬 패치 샘플링과 고비트 재구성이라는 두 가지 효율적이고 일반적인 기법을 도입하였다. 본 연구는 SIDD 및 ELD 데이터셋을 대상으로 체계적인 실험을 수행하였다. 실험 결과는 다음과 같다. (1) 제안하는 방법은 기존의 방법들을 능가하며, 다양한 센서 및 조명 조건에 걸쳐 넓은 일반화 성능을 보였다. (2) 최근 DNN 기반 노이즈 모델링 방법에서 도출된 결론들은 실질적으로 정확하지 않은 노이즈 파라미터에 기반하고 있음을 밝혔다. 즉, DNN 기반 방법은 여전히 물리 기반 통계적 방법을 능가하지 못하고 있다.