이미지 복원을 위한 이미지 계층 구조의 효율적이고 명시적인 모델링

이 논문의 목적은 이미지 복원을 위해 전역, 지역, 국부적 범위에서 이미지 계층 구조를 효율적이고 명시적으로 모델링할 수 있는 메커니즘을 제안하는 것이다. 이를 달성하기 위해, 먼저 자연 이미지의 두 가지 중요한 특성인 다중 스케일 유사성과 비등방성 이미지 특징을 분석한다. 이러한 분석을 바탕으로, 자기 주의(Self-attention)의 공간 및 시간 복잡도와 지역 범위를 넘는 모델링 능력 사이에서 우수한 균형을 달성하는 '고정 스티프 자기 주의(anchored stripe self-attention)'를 제안한다. 이후, 고정 스티프 자기 주의, 윈도우 자기 주의, 채널 주의 강화 컨볼루션을 활용하여 전역, 지역, 국부적 범위에서 이미지 계층 구조를 명시적으로 모델링할 수 있는 새로운 네트워크 아키텍처인 GRL을 제안한다. 마지막으로, 제안된 네트워크는 실제 및 합성 설정을 포함하는 총 7종의 이미지 복원 작업에 적용되었으며, 그 중 일부에 대해 새로운 최고 성능(SOTA, State-of-the-Art)을 달성하였다. 코드는 https://github.com/ofsoundof/GRL-Image-Restoration.git 에 공개될 예정이다.