학습된 작업 지향 흐름을 통한 합성 영상과 실영상 디노이징에서 특징 정렬의 상호 안내

비디오 디노이징은 노이즈가 포함된 비디오에서 깨끗한 영상을 복원하는 것을 목표로 한다. 기존 연구들은 인접 프레임에서 제공하는 공간-시간적 정보를 활용함으로써 광학 흐름(optical flow)이 디노이징에 기여할 수 있음을 보여주었다. 그러나 광학 흐름 추정 자체도 노이즈에 민감하며, 특히 높은 노이즈 수준에서는 사용할 수 없는 경우가 있다. 이러한 문제를 해결하기 위해, 본 연구에서는 다양한 노이즈 수준에 대해 더 강건한 다중 해상도 정제된 광학 흐름 기반 비디오 디노이징 방법을 제안한다. 제안한 방법은 주로 디노이징을 목적으로 한 흐름 정제(Denoising-oriented Flow Refinement, DFR) 모듈과 흐름 가이드된 상호 디노이징 전파(Flow-guided Mutual Denoising Propagation, FMDP) 모듈로 구성된다. 기존 방법들이 사전에 준비된 광학 흐름을 그대로 사용하는 것과 달리, DFR은 강건한 다중 해상도 광학 흐름을 먼저 학습하고, FMDP는 저해상도에서 고해상도로 점진적으로 흐름 정보를 도입하고 정제함으로써 흐름 가이드를 효과적으로 활용한다. 실제 노이즈 훼손 합성 기법과 결합함으로써, 제안한 다중 해상도 흐름 가이드 디노이징 네트워크는 합성 가우시안 노이즈 제거와 실제 비디오 디노이징 모두에서 최신 기술 수준의 성능을 달성하였다. 코드는 공개될 예정이다.