일반적인 저조도 원시 노이즈 합성 및 모델링에 대한 연구

저조도 상태에서의 원시 노이즈 모델링 및 합성은 계산 사진학 및 영상 처리 응용 분야에서 핵심적인 문제이다. 최근 대부분의 연구들은 물리 기반 모델을 활용하여 노이즈를 합성하고 있으나, 저조도 환경에서의 신호 독립적 노이즈는 매우 복잡하며 카메라 센서 간에 극도로 다를 수 있어 이러한 모델들로는 충분히 설명되지 않는다. 본 연구에서는 생성 모델을 활용하여 신호 독립적 노이즈를 새로운 관점에서 합성하는 방법을 제안한다. 구체적으로, 신호 의존적 노이즈는 물리 기반 방식, 신호 독립적 노이즈는 학습 기반 방식으로 각각 합성함으로써, 본 방법은 일반적인 모델로 간주될 수 있다. 즉, 다양한 ISO 수준에 따라 다른 노이즈 특성을 동시에 학습할 수 있으며, 다양한 센서에 대해 일반화 가능하다. 이를 바탕으로, 노이즈 분포를 정확히 구분할 수 있는 효과적인 다중 해상도 판별자인 푸리에 변환기 판별자(Fourier Transformer Discriminator, FTD)를 제안한다. 또한, 학습 및 벤치마킹을 위한 새로운 저조도 원시 영상 노이즈 제거(Low-light Raw Denoising, LRD) 데이터셋을 구축하였다. 정성적 평가 결과, 제안한 노이즈 모델이 생성한 노이즈는 실제 노이즈의 분포와 매우 유사함을 확인할 수 있었다. 더불어, 다양한 센서에 대한 광범위한 노이즈 제거 실험을 통해, 본 방법이 최신 기술들에 비해 유리한 성능을 보임을 입증하였다.