초록
최근 이미지 흐림 제거 기법의 성능 향상에도 불구하고, 제한된 복호화 능력이 최첨단(SOTA) 기법들의 성능 한계를 결정짓고 있다. 본 논문은 이러한 복호화 능력의 부족을 탐구하기 위해 혁신적인 접근인 적응형 패치 탈출 가능 복호화기(AdaRevD)를 제안한다. 잘 학습된 인코더의 가중치를 계승함으로써, 단일 복호화기 학습을 다중 복호화기 학습으로 확장하면서도 GPU 메모리 사용량을 효율적으로 유지할 수 있는 가능 복호화기를 재구성하였다. 동시에, 본 연구는 제안한 가능 구조가 압축된 흐림 표현에서 고수준의 흐림 정도와 저수준의 흐림 패턴(흐린 이미지와 그 선명한 대응 이미지 간 잔차)을 점진적으로 분리함을 보여준다. 더불어 공간적으로 변화하는 운동 흐림 커널의 특성상, 다양한 흐림 패치는 각각 다른 복호화 난이도를 갖는다. 이를 고려하여 이미지 패치의 흐림 정도를 학습할 수 있는 분류기를 도입함으로써, 각 패치가 적절한 하위 복호화기에서 탈출하도록 유도하여 처리 속도를 향상시켰다. 실험 결과, 본 AdaRevD는 이미지 흐림 제거의 성능 한계를 극복하며, GoPro 데이터셋에서 PSNR 34.60 dB를 달성함으로써 기존 기법들을 압도하는 성능을 보였다.