계층적 정보 흐름을 이용한 일반화된 효율적인 이미지 복원

비전 트랜스포머는 수많은 이미지 복원(IR) 작업에서 잠재력을 보여주고 있지만, 여러 IR 작업에 대해 효율적으로 일반화하고 확장하는 데 여전히 어려움이 있습니다. 효율성과 모델 용량 사이의 균형을 맞추기 위해, 우리는 하향식 방식으로 픽셀 간 정보를 점진적으로 전파하는 이미지 복원을 위한 계층적 정보 흐름 메커니즘을 제안합니다. 이를 Hi-IR(Hierarchical Information Flow for Image Restoration)라고 명명하였습니다.Hi-IR는 세 가지 수준에서 저하된 이미지를 표현하는 계층적 정보 트리를 구축합니다. 각 수준은 서로 다른 유형의 정보를 포함하며, 상위 수준은 더 넓은 객체와 개념을 포괄하고 하위 수준은 국소적인 세부 사항에 집중합니다. 또한, 계층적 트리 구조는 장거리 자기 주의(self-attention)를 제거하여 계산 효율성과 메모리 활용성을 개선하며, 이로 인해 효과적인 모델 확장을 위한 준비가 되어 있습니다. 이를 바탕으로, 우리는 모델 확장을 탐구하여 방법론의 능력을 향상시키고자 합니다. 이는 대규모 학습 환경에서 IR에 긍정적인 영향을 미칠 것으로 기대됩니다.다양한 실험 결과를 통해 Hi-IR가 일곱 가지 일반적인 이미지 복원 작업에서 최신 성능을 달성함을 확인할 수 있으며, 이는 그 효과성과 일반화 능력을 입증합니다.