초록
이미지 복원은 손상된 이미지 버전으로부터 고품질 이미지를 재구성하는 것을 목표로 하며, 다양한 상황에서 핵심적인 역할을 수행한다. 최근 몇 년간, 장거리 픽셀 상호작용을 모델링할 수 있는 강력한 능력을 지닌 이유로, 이미지 복원 분야는 기존의 합성곱 신경망(Convolutional Neural Networks, CNNs)에서 Transformer 기반 모델로의 패러다임 전환이 이루어졌다. 본 논문에서는 CNN 기반 접근법이 이미지 복원에 얼마나 큰 잠재력을 지니고 있는지 탐구하며, 단순한 합성곱 네트워크 아키텍처인 ConvIR이 Transformer 기반 모델과 동등하거나 더 우수한 성능을 달성할 수 있음을 보여준다. 고도화된 이미지 복원 알고리즘의 특성을 재검토함으로써, 복원 모델의 성능 향상에 기여하는 몇 가지 핵심 요인을 발견하게 되었으며, 이는 저비용의 합성곱 연산자를 기반으로 한 새로운 복원 네트워크 개발을 촉발시켰다. 광범위한 실험 결과를 통해 ConvIR이 5가지 대표적인 이미지 복원 작업(이미지 해안화 제거, 이미지 운동/초점 왜곡 제거, 비 오는 이미지 제거, 눈 오는 이미지 제거 등)에 걸쳐 20개의 벤치마크 데이터셋에서 최신 기술 수준의 성능을 제공하면서도 낮은 계산 복잡도를 유지함을 입증하였다.