모르는 손상에 대한 일체형 이미지 복원

본 논문에서는 다양한 미지의 손상 유형과 수준에 의해 손상된 이미지를 복원할 수 있는 통합형 방법을 개발하는 도전적인 문제를 다룬다. 이를 위해, 대조 기반 손상 인코더(Contrastive-Based Degraded Encoder, CBDE)와 손상 유도 복원 네트워크(Degradation-Guided Restoration Network, DGRN)라는 두 가지 신경망 모듈로 구성된 통합형 이미지 복원 네트워크(All-in-one Image Restoration Network, AirNet)를 제안한다. AirNet의 주요 장점은 두 가지이다. 첫째, 하나의 네트워크 내에서 다양한 손상된 이미지를 복원할 수 있는 통합형 솔루션이라는 점이다. 둘째, 손상 유형과 수준에 대한 사전 지식이 필요 없으며, 관측된 손상된 이미지만을 사용하여 추론을 수행할 수 있다는 점이다. 이러한 두 가지 장점은 실세계 환경에서 손상에 대한 사전 지식을 확보하기 어려우며, 손상 정도가 공간적·시간적으로 변화하는 상황에서도 더 높은 유연성과 경제성을 제공한다. 광범위한 실험 결과는 제안한 방법이 네 가지 도전적인 데이터셋에서 17개의 이미지 복원 기준 방법보다 우수한 성능을 보임을 입증한다. 코드는 https://github.com/XLearning-SCU/2022-CVPR-AirNet 에서 공개되어 있다.