ID-Blau: 음영 기반 음영 제거를 통한 암시적 확산 기반 재흐림 증강을 통한 이미지 복원

이미지 흐림 제거(Image deblurring)는 동적 장면에서 촬영된 이미지에서 원치 않는 흐림을 제거하는 것을 목표로 한다. 기존 연구는 모델 아키텍처 설계를 통해 흐림 제거 성능을 향상시키는 데 많은 노력을 기울여 왔다. 그러나 이미지 흐림 제거를 위한 데이터 증강 기법에 대한 연구는 여전히 부족한 실정이다. 이미지 노출 중 지속적인 운동은 흐림 아티팩트를 유발하므로, 우리는 연속 공간 내에서 운동 경로를 시뮬레이션함으로써 다양한 흐린 이미지를 생성할 수 있는 혁신적인 흐림 증강 방법을 개발하고자 한다. 본 논문에서는 선명한 이미지와 조절 가능한 흐림 조건 맵(Blur condition map)을 입력으로 받아 대응하는 흐린 이미지를 생성하는, 암묵적 확산 기반의 재흐림 증강 기법(ID-Blau: Implicit Diffusion-based reBLurring AUgmentation)을 제안한다. ID-Blau는 흐린 이미지의 흐림 패턴을 각 픽셀 단위로 방향성과 크기로 파라미터화하여 흐림 조건 맵으로 표현함으로써, 운동 경로를 시뮬레이션하고 이를 연속 공간 내에서 암묵적으로 표현한다. 다양한 흐림 조건을 샘플링함으로써 ID-Blau는 훈련 데이터셋에 존재하지 않은 다양한 형태의 흐린 이미지를 생성할 수 있다. 실험 결과는 ID-Blau가 실제와 유사한 흐린 이미지를 생성하여 최첨단 흐림 제거 모델의 성능을 크게 향상시킬 수 있음을 입증한다. 소스 코드는 https://github.com/plusgood-steven/ID-Blau 에서 공개되어 있다.