PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.21078v1cs.CV

디포커스 디블러링을 위한 RealDefocus 벤치마크

The RealDefocus Benchmark for Defocus Deblurring

단일 이미지 디포커스 디블러링(SIDD)은 단일 디포커스 관측 이미지로부터 초점이 맞춰진(all-in-focus) 이미지를 복원하는 것을 목표로 하지만, 잘 정렬된 디포커스/선명(sharp) 쌍과 표준화된 프로토콜을 갖춘 사실적 고해상도 데이터셋이 부족하여 엄격하고 재현 가능한 평가는 여전히 어렵다. 본 연구는 Bokeh Rendering을 위해 처음 제안된 실세계 RealBokeh 데이터셋에서 파생된 벤치마크인 RealDefocus를 기반으로 한다. RealDefocus는 디포커스 입력과 선명한 ground truth 이미지 쌍, 사전 정의된 학습/검증/테스트 분할, 이미지 복원(image restoration) 및 신경 렌더링(neural rendering) 접근법을 비교하기 위한 통합 평가 프레임워크를 제공한다. 또한 재구성 품질과 일반화(generalization)를 평가하기 위해 교차-데이터셋 검증(cross-dataset validation)을 포함한 벤치마킹 프로토콜을 제시한다. 프로젝트 페이지는 www.github.com/TimSeizinger/RealDefocus-Benchmark에서 공개적으로 이용할 수 있다.

arXiv:2606.06540v1eess.IV

ErA: 단일 이미지 초점 흐림 제거를 위한 오류 인식 딥 언롤링 네트워크

ErA: Error-Aware Deep Unrolling Network for Single Image Defocus Deblurring

우리는 단일 이미지 초점 흐림 제거(defocus deblurring)를 위한 엔드-투-엔드 프레임워크인 ErA(Error-Aware Deep Unrolling Network)를 소개한다. ErA는 컴팩트한 커널 기저(kernel basis)와 픽셀별 가중치를 공동으로 학습하며, 증강 라그랑지안(Augmented Lagrangian) 언롤링 내의 오류 인식 항(error-aware term)이 교번 업데이트(alternating updates)와 ResUNet 디노이저를 통해 커널 추정 오류를 보정한다. ErA는 DPDD, RealDOF, RTF에서 최첨단 PSNR/SSIM을 달성하며, 정답 레이블 없이 CUHK에서도 강한 일반화 성능을 보인다.