Khái niệm cốt lõi
본 연구는 신호 의존적이고 행 상관된 노이즈를 효과적으로 제거할 수 있는 무감독 딥러닝 기반 디노이징 방법을 제안한다.
Tóm tắt
본 연구는 신호 의존적이고 행 상관된 노이즈를 제거할 수 있는 무감독 딥러닝 기반 디노이징 방법을 제안한다.
기존 방법들은 신호 독립적이거나 공간적으로 무상관된 노이즈만 다룰 수 있었지만, 본 연구의 방법은 이러한 제한을 극복할 수 있다.
제안 방법은 Variational Autoencoder (VAE)를 기반으로 하며, 특별히 설계된 자기회귀 디코더를 사용하여 행 상관된 노이즈를 모델링한다.
이를 통해 VAE의 잠재 변수에는 오직 깨끗한 신호 정보만 포함되도록 하며, 별도의 신호 디코더 네트워크를 통해 이를 다시 이미지 공간으로 매핑한다.
제안 방법은 사전 학습된 노이즈 모델을 필요로 하지 않으며, 노이징된 데이터만으로 처음부터 학습할 수 있다.
다양한 센서 유형과 이미징 모드에 적용하여 기존 무감독 방법들을 능가하는 성능을 보였다.
Thống kê
노이즈 분산은 신호 강도에 따라 증가한다.
노이즈는 행 방향으로 상관관계를 가진다.
Trích dẫn
"본 연구는 신호 의존적이고 행 상관된 노이즈를 효과적으로 제거할 수 있는 무감독 딥러닝 기반 디노이징 방법을 제안한다."
"제안 방법은 사전 학습된 노이즈 모델을 필요로 하지 않으며, 노이징된 데이터만으로 처음부터 학습할 수 있다."