멀티 스트림 바텀-탑-바텀 완전 컨볼루션 네트워크를 통한 초점 왜곡 블러 감지

초점 외부 흐림 검출(Defocus Blur Detection, DBD)은 이미지 내 초점이 맞은 영역과 초점이 어긋난 영역을 구분하는 과정이다. 이 과정은 그 높은 잠재적 응용 가능성을 이유로 상당한 주목을 받아왔다. 동질적인 영역의 정확한 구분, 낮은 대비의 초점 영역 탐지, 그리고 배경 잡음의 억제는 DBD와 관련된 주요 과제들이다. 이러한 문제들을 해결하기 위해, 본 연구에서는 DBD를 위한 엔드투엔드(end-to-end) 딥 네트워크를 개발하는 최초의 시도로 다중 스트림 하향-상향-하향 완전 컨볼루션 네트워크(Multi-stream Bottom-Top-Bottom Fully Convolutional Network, BTBNet)를 제안한다. 먼저, 저수준의 특징 정보와 고수준의 의미 정보를 통합하기 위해 완전 컨볼루션형 BTBNet을 설계한다. 이후, 초점 외부 흐림의 정도가 스케일에 매우 민감함을 고려하여, 다양한 스케일의 입력 이미지를 처리할 수 있도록 다중 스트림 BTBNet을 제안함으로써 DBD 성능을 향상시킨다. 마지막으로, 이전 단계의 흐림 검출 맵을 반복적으로 정교화하기 위해 융합 및 재귀적 재구성 네트워크를 설계한다. 더 나아가 DBD 모델에 대한 추가 연구와 평가를 촉진하기 위해, 500개의 도전적인 이미지와 픽셀 단위의 초점 외부 흐림 레이블을 포함하는 새로운 데이터베이스를 구축하였다. 기존 데이터셋 및 본 연구에서 새로 구축한 데이터셋에서의 실험 결과를 통해 제안된 방법이 기존 최첨단 알고리즘보다 유의미하게 뛰어난 성능을 달성함을 확인하였다.