초록
이미지 복원은 오랜 기간 동안 저수준 시각 문제로 연구되어 왔으며, 예를 들어 블러 제거와 비 제거 등이 포함됩니다. 이미지 복원 과정에서 품질을 보장하기 위해 복원의 공간적 세부 정보와 맥락 정보뿐만 아니라 시스템 복잡성도 고려해야 합니다. 많은 방법들이 이미지 복원의 품질을 보장할 수 있었지만, 최신 기술(SOTA) 방법들의 시스템 복잡성도 증가하고 있습니다. 이러한 동기를 바탕으로, 우리는 이 경쟁적인 목표들을 균형 있게 조화시키는 혼합 계층 네트워크를 제시합니다. 우리의 주요 제안은 점진적으로 저화질 이미지에서 맥락 정보와 공간적 세부 정보를 회복하는 혼합 계층 구조입니다. 또한, 시스템 복잡성을 줄이기 위해 블록 내부에 인트라-블록을 설계하였습니다. 구체적으로, 우리의 모델은 먼저 인코더-디코더 구조를 사용하여 맥락 정보를 학습한 후, 공간적 세부 정보를 유지하는 고해상도 분기를 결합합니다. 이 구조의 시스템 복잡성을 쉽게 분석하고 비교할 수 있도록 하기 위해, 비선형 활성화 함수를 곱셈으로 대체하거나 제거하며 간단한 네트워크 구조를 사용합니다. 또한, 인코더-디코더 중간 블록에서는 공간 컨볼루션을 전역 자기 주의 메커니즘으로 대체합니다. 이렇게 하여 생성된 밀접하게 연관된 계층 구조인 MHNet은 이미지 비 제거 및 블러 제거 등을 포함한 여러 이미지 복원 작업에서 강력한 성능 향상을 제공합니다.