Core Concepts
AdaIR은 사전 학습된 기반 모델에 경량 어댑터 모듈을 통합하여 다양한 이미지 복원 작업에 효율적으로 적용할 수 있는 프레임워크이다.
Abstract
AdaIR은 이미지 복원 작업의 공통적인 구성 요소를 학습하고 이를 기반으로 하여 개별 작업에 특화된 어댑터 모듈을 통해 효율적으로 적응할 수 있는 프레임워크이다.
사전 학습 단계에서는 합성 열화를 이용하여 일반화된 복원 모델을 학습한다. 이후 미세 조정 단계에서는 작업별 어댑터 모듈만 학습하여 새로운 작업에 효과적으로 적용할 수 있다.
AdaIR은 기존 방식에 비해 훨씬 적은 매개변수와 학습 시간으로도 우수한 성능을 달성할 수 있다. 또한 다양한 사전 학습 전략을 분석하여 공유 가능한 구성 요소를 효과적으로 발견하는 방법을 제시한다.
Stats
제안 방식인 AdaIR은 기존 방식 대비 매개변수가 1.9 MB로 매우 적으며, 각 복원 작업 당 학습 시간이 7시간에 불과하다.
AdaIR은 노이즈 제거, 가우시안 블러 제거, 비 제거, 초해상도 등 다양한 복원 작업에서 기존 방식과 유사한 성능을 달성할 수 있다.
Quotes
"AdaIR은 사전 학습된 기반 모델에 경량 어댑터 모듈을 통합하여 다양한 이미지 복원 작업에 효율적으로 적용할 수 있는 프레임워크이다."
"AdaIR은 기존 방식에 비해 훨씬 적은 매개변수와 학습 시간으로도 우수한 성능을 달성할 수 있다."