Abstract 이미지 흐림 제거는 흐릿한 이미지에서 선명한 이미지를 복구하는 것CNN은 이 분야에서 좋은 성과를 거두었으나, Transformer라는 대체 네트워크가 더 강력한 성능을 보여주었다본 논문은 Transformer보다 비슷하거나 더 나은 성능을 보여주는 경량 CNN을 제안LaKD라는 효율적인 CNN 블록을 제안Transformer보다 비슷하거나 더 큰 ERF를 달성하며 파라미터는 더 작다또한 ERF를 정량적으로 특성화하고 간결하고 직관적인 ERFMeter 메트릭을 제안 Introduction기존 알고리즘은 blur kernel 추정과 prior 또는 regularzier(정규화)를 사용한 블라인드 디컨볼루션에 의존CNN의 발전에 따라 이미지 디블러링에 사용최근에는 CNN의 제약을 완화하는 구..

Abstract기존 coarse-to-fine 전략의 여러 서브 네트워크를 쌓아 다중 스케일 입력 이미지를 처리, 하위~상위 네트워크로 이미지 선명도를 점차 개선한다.이러한 coarse-to-fine 전략은 높은 계산 비용을 초래.본 논문은 MIMO-UNet (Multi Input Multi Ouput)을 제시.MIMO-UNet은 다중 스케일 서브 네트워크를 쌓아 올리는 방식의 단점을 극복.단일 네트워크에서 다중 스케일 입력과, 출력을 효율적으로 처리하는 방식을 제안한다.이를 통해 Deblurring 문제에 성능, 효율성을 개선했다.  Introduction초기 CNN을 기반으로 blur kernel을 추정하여 deconvolution으로 Deblurring을 수행.이후 end-to-end 접근법으로 b..

Abstract DeblurGAN-v2는 motion deblurring을 위한 새로운 end-to-end GAN이다. Generator의 핵심 block으로 Feature Pyramid Network를 도입. 다양항 backbone과 유연하게 작동하여 성능과 효율성 사이의 균형을 찾을 수 있다. 1. Introduction Blur는 일반적으로 알 수 없는 blur kernel과 noise가 있는데 이를 역산하기는 까다롭다. 최근 딥러닝 기반으로 image restoration 분야가 크게 발전, 특히 GAN은 기존 feed-forward encoder 방식 보다 더 선명하고 그럴듯한 texture를 생성한다. 대표적으로 DeblurGAN이 있다. 본 논문은 DeblurGAN을 개선하고 높은 유연성을 ..

Abstract Motion Deblurring을 위한 end-to-end 학습 방법인 DeblurGAN을 제시. conditinal GAN과 content loss를 기반으로 학습. Deblurring model의 품질은 Object Detection 방식으로 평가. DeepDeblur보다 5배 빠르다고 소개. 1. Introduction 최근 GAN을 이용해서 image super-resolution 및 inpainting 관련 분야에서 상당한 진전이 있음. 이에 영감을 받아 Deblurring을 image-to-image 변환의 특별한 case로 취급. Gradient Penalty와 Perceptual Loss를 가진 Wasserstein GAN을 사용하는데 이는 기존 MSE or MAE를 사용하..