초록
다수의 기초적인 이미지 관련 문제들은 역여과 연산자를 포함한다. 실제 이미지의 흐림 왜곡은 카메라 노이즈, 포화 현상, 이미지 압축 등의 이유로 이상적인 선형 여과 모델을 따르지 않는 경우가 흔하다. 생성 모델 관점에서 이상치를 완벽히 모델링하는 것은 매우 어렵기 때문에, 우리는 왜곡의 특성을 포착할 수 있는 딥 컨볼루션 신경망을 개발한다. 기존의 딥 신경망을 직접 적용하는 것은 합리적인 결과를 도출하지 못함을 인지하였으며, 본 연구의 해결책은 전통적인 최적화 기반 방법과 신경망 아키텍처 사이의 연결을 구축하는 것이다. 여기서는 아티팩트에 대해 강건한 역여과를 가능하게 하는 신뢰할 수 있는 지원 기능으로서 새로운 분리 가능(separable) 구조를 도입한다. 제안하는 네트워크는 두 개의 하위 모듈로 구성되며, 적절한 초기화 하에 지도 학습 방식으로 함께 훈련된다. 기존의 생성 모델 기반 방법과 비교해 비눈 이미지 역여과 문제에서 우수한 성능을 보인다.