PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.32393v2math.OC

어닐링된 노이즈 레벨을 갖는 수렴형 Plug-and-Play 영상 복원

Convergent Plug-and-Play Image Restoration with Annealed Noise Levels

플러그 앤 플레이(Plug-and-Play, PnP) 방법은 반복 최적화(optimization) 알고리즘에 딥러닝 기반 디노이저를 통합하여 영상 역문제(inverse problem)를 해결합니다. 실제 구현에서는 반복에 따라 디노이저 노이즈 레벨 $σ$를 점차 감소시키는 경우가 많지만, 기존의 대부분의 수렴 분석은 고정된 디노이저를 가정합니다. 본 연구에서는 결정론적 방법(RED--GD 및 PnP--PGD)과 확률론적 방법(SNORE, 동변 RED, 그리고 PnP--Flow의 변형)을 아우르는, 어닐링된 노이즈 레벨을 갖는 광범위한 플러그 앤 플레이 알고리즘 계열에 대한 수렴 보장을 확립합니다. 각 방법에 대해 최종 디노이징 레벨과 연관된 명시적인 비볼록(nonconvex) 목적 함수를 식별하고, 해당 목적 함수에 대한 반복점들의 점근적 정상성(asymptotic stationarity)을 증명합니다. 우리의 분석은 노이즈 스케줄에 특정한 감쇠율을 강제하지 않으며, 학습된 그래디언트 단계 디노이저와 정확한 MMSE 디노이저를 모두 포함하는 가정을 채택합니다. 전반적으로, 본 연구의 이론적 결과는 기존 PnP 수렴 이론과 최신 영상 복원 기법에서 사용되는 감쇠 디노이징 실무 사이의 간극을 메웁니다. 우리는 이러한 스케줄의 이점을 실험적으로 입증하고, 인페인팅(inpainting), 초해상도(super-resolution), 디모자이킹(demosaicing), 단층촬영(tomography)을 포함한 여러 영상 역문제에서 예측된 수렴 거동을 보여줍니다.

arXiv:2606.13136v1cs.CV

픽셀 빈 이미지 센서 디모자이킹을 위한 확장 가능하고 경량화된 통합 아키텍처

An Extensible and Lightweight Unified Architecture for Demosaicing Pixel-bin Image Sensors

픽셀 빈(pixel-bin) 이미지 센서는 해상도와 광 수집 능력 간의 트레이드오프로 인해 스마트폰 카메라의 기본 선택지로 자리잡고 있다. 그러나 베이어(Bayer) 컬러 필터 배열(CFA)에 비해 색상 간 분리 거리가 크기 때문에 디모자이킹(demosaicing)이 어렵다는 문제가 있다. 더불어 기존 딥러닝 기반 디모자이킹 방법들은 특정 CFA에 종속되어 있어, 온보드 리소스를 많이 소모하는 다수의 개별 모델이 필요하고 개발 및 유지 관리 비용이 크다. 본 연구에서는 다양한 픽셀 빈 센서의 디모자이킹을 위한 모듈형 통합 아키텍처를 제안하며, 이는 확장 가능하고 경량화된 구조를 유지하면서 더 높은 화질을 제공한다. 또한 플러그 앤 플레이(plug-and-play) 동작을 가능하게 하기 위해, 학습 없이도 RAW 데이터의 CFA 유형을 정확히 식별하는 CFA 식별 모듈을 도입한다.