Khái niệm cốt lõi
선택적 상태 공간 모델을 활용하여 지역 및 전역 특징을 효과적으로 집계함으로써 우수한 이미지 디블러링 성능을 달성한다.
Tóm tắt
본 논문은 효율적인 이미지 디블러링 네트워크를 제안한다. 이를 위해 선택적 상태 공간 모델을 활용하여 풍부하고 정확한 특징을 집계한다. 구체적으로 지역 불변 속성과 비지역 정보를 모두 포착하고 융합하는 집계 지역 및 전역 블록(ALGBlock)을 설계한다. ALGBlock은 두 개의 블록으로 구성된다:
- 지역 블록은 단순화된 채널 주의 메커니즘을 사용하여 지역 연결성을 모델링한다.
- 전역 블록은 선택적 구조화된 상태 공간을 통해 장거리 종속 특징을 포착한다.
그러나 이미지 세부 정보는 이미지의 지역 특징이므로, 복원 시 지역 블록의 중요성을 강조하기 위해 두 브랜치를 집계할 때 가중치를 재조정한다.
실험 결과는 제안 방법이 널리 사용되는 벤치마크에서 최신 기법을 능가하는 우수한 성능을 보여줌을 입증한다.
Thống kê
이미지 디블러링은 열화된 이미지로부터 고품질 이미지를 복원하는 과정이다.
CNN과 Transformer와 같은 다양한 효과적인 딥러닝 모델의 등장으로 이 분야에서 상당한 진전이 이루어졌다.
그러나 이러한 방법들은 장거리 블러 열화 교란을 제거하고 계산 효율성을 유지하는 딜레마에 직면하곤 한다.
Trích dẫn
"선택적 구조화된 상태 공간 모델을 활용하여 풍부하고 정확한 특징을 효과적으로 집계한다."
"이미지 세부 정보는 이미지의 지역 특징이므로, 복원 시 지역 블록의 중요성을 강조하기 위해 두 브랜치를 집계할 때 가중치를 재조정한다."