Alapfogalmak
확률적 탈노이즈 정규화(SNORE)는 노이즈가 있는 이미지에만 탈노이즈 연산자를 적용하는 새로운 플러그 앤 플레이 프레임워크를 제안한다. 이를 통해 탈노이즈 연산자의 도메인 시프트 문제를 해결하고 우수한 복원 성능을 달성할 수 있다.
Kivonat
이 논문은 플러그 앤 플레이(PnP) 알고리즘을 개선한 새로운 확률적 탈노이즈 정규화(SNORE) 방법을 제안한다.
-
기존 PnP 알고리즘은 점점 노이즈가 줄어드는 이미지에 탈노이즈 연산자를 적용하지만, SNORE는 매 반복마다 노이즈가 있는 이미지에 탈노이즈 연산자를 적용한다. 이를 통해 탈노이즈 연산자의 도메인 시프트 문제를 해결한다.
-
SNORE는 명시적인 확률적 정규화 항을 도입하여, 이를 최적화하는 확률적 경사하강법 알고리즘을 제안한다. 이 알고리즘의 수렴성을 이론적으로 분석한다.
-
실험 결과, SNORE는 디블러링, 인페인팅 등의 역문제에서 기존 최신 방법들과 경쟁력 있는 성능을 보인다.
Statisztikák
디블러링 실험에서 입력 노이즈 수준 σy = 10/255일 때, PSNR 27.91, SSIM 0.78, LPIPS 0.24, BRISQUE 27.89
인페인팅 실험에서 마스크 비율 p = 0.5일 때, PSNR 31.65, SSIM 0.92, LPIPS 0.04, BRISQUE 7.10
Idézetek
"Plug-and-Play (PnP) algorithms are a class of iterative algorithms that address image inverse problems by combining a physical model and a deep neural network for regularization."
"We propose a new PnP framework, called Stochastic deNOising REgularization (SNORE), which applies the denoiser only on images with noise of the adequate level."