초록
이미지 복원은 손상된 이미지로부터 원래의 선명한 이미지를 재구성하는 것을 목표로 한다. 기존의 공간 영역에서의 이 장기적인 과제를 다루는 것 외에도, 일부 연구들은 선명한 이미지와 훼손된 이미지 쌍 간의 스펙트럼 차이를 고려하여 주파수 영역에서의 해결책을 탐색한다. 그러나 이러한 기법들은 일반적으로 웨이블릿 변환과 같은 변환 도구를 활용하여 특징을 여러 주파수 부분으로 분할하지만, 복원에 가장 유용한 주파수 성분을 유연하게 선택하기에는 한계가 있다. 본 논문에서는 다중 브랜치 및 콘텐츠 인식 모듈을 활용하여 특징을 동적으로, 국소적으로 별개의 주파수 하위대역으로 분해하고, 채널별 주의 가중치를 통해 유용한 성분을 강조한다. 또한, 대규모의 훼손 블러를 처리하기 위해, 전역 및 윈도우 기반 평균 풀링을 통해 수용 영역을 확장하는 매우 단순한 분리 및 조절 모듈을 제안한다. 더불어, 다단계 네트워크의 개념을 단일 U자형 네트워크에 통합함으로써 다스케일 수용 영역을 달성하고 효율성을 향상시킨다. 마지막으로, 위의 설계들을 합성 기반의 백본에 통합한 제안된 주파수 선택 네트워크(FSNet)는 단일 이미지 심도 왜곡 제거, 이미지 황혼 제거, 이미지 운동 왜곡 제거, 이미지 눈 오름 제거, 이미지 비 오름 제거, 이미지 노이즈 제거 등 6가지 대표적인 이미지 복원 작업을 위한 20개의 다양한 벤치마크 데이터셋에서 최신 기술 대비 우수한 성능을 보였다.