17일 전
이미지 디블러링 학습을 위한 현실적인 블러 합성
Jaesung Rim, Geonung Kim, Jungeon Kim, Junyong Lee, Seungyong Lee, Sunghyun Cho

초록
학습 기반의 블러 제거 방법을 훈련시키기 위해서는 많은 수의 흐릿한 이미지와 선명한 이미지 쌍이 필요하다. 그러나 기존의 합성 데이터셋은 현실성 부족 문제를 가지고 있으며, 이러한 데이터셋으로 훈련된 블러 제거 모델은 실제 흐릿한 이미지를 효과적으로 처리하지 못한다. 최근 실재 이미지를 활용한 데이터셋이 제안되긴 했지만, 장면과 카메라 설정의 다양성이 제한적이며, 다양한 설정에서 실재 데이터셋을 캡처하는 것은 여전히 도전 과제이다. 이를 해결하기 위해 본 논문은 실재 흐림 이미지와 합성 흐림 이미지 간의 차이를 유발하는 다양한 요인을 분석한다. 이를 위해 우리는 실재 흐린 이미지와 해당하는 선명한 이미지 시퀀스를 포함한 새로운 데이터셋 RSBlur를 제안한다. 이 데이터셋을 통해 실재와 합성 블러 간의 차이를 세밀하게 분석할 수 있으며, 블러 생성 과정에서 다양한 요인의 영향을 규명한다. 분석 결과를 바탕으로, 더 현실적인 블러를 합성할 수 있는 새로운 블러 합성 파이프라인을 제안한다. 실험을 통해 제안한 합성 파이프라인이 실제 흐린 이미지에 대한 블러 제거 성능을 향상시킬 수 있음을 입증하였다.