이미지 복원을 위한 평균 회귀 확률 미분 방정식

본 논문은 일반적인 이미지 복원을 위한 확률 미분 방정식(SDE) 접근법을 제시합니다. 핵심 구성 요소는 고품질 이미지를 고정된 가우스 노이즈를 가진 저품질 이미지로 변환하는 평균 회귀 SDE입니다. 그런 다음, 해당 역시간 SDE를 시뮬레이션하여 특정 작업에 대한 사전 지식에 의존하지 않고 저품질 이미지의 원점을 복원할 수 있습니다. 특히, 제안된 평균 회귀 SDE는 닫힌 형태의 해를 가지므로 시간에 따라 변화하는 참값 점수를 계산하고 신경망으로 이를 학습할 수 있습니다. 또한, 훈련을 안정화시키고 복원 결과를 개선하기 위해 최적의 역궤도를 학습하는 최대 우도 목적함수를 제안합니다. 실험 결과, 제안된 방법은 이미지 비제거, 블러 제거 및 노이즈 제거에서 정량적 비교에서 매우 경쟁력 있는 성능을 보였으며, 두 개의 비제거 데이터셋에서 새로운 최신 기술(state-of-the-art)을 설정하였습니다. 마지막으로, 본 접근법의 일반적인 적용 가능성을 이미지 초해상도, 인페인팅 및 디해징에 대한 정성적 결과를 통해 추가로 입증하였습니다. 코드는 https://github.com/Algolzw/image-restoration-sde에서 제공됩니다.