PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2510.04382v3eess.IV

적응형 이중상 Rudin--Osher--Fatemi 노이즈 제거 모델

Adaptive double-phase Rudin--Osher--Fatemi denoising model

전체 변분(TV) 노이즈 제거에 관한 획기적인 Rudin--Osher--Fatemi(ROF) 논문이 발표된 지 30년이 넘었지만, 단순함, 견고성, 해석 가능성 때문에 여전히 관련성이 있다. 그러나 계단 현상(staircasing effect)과 같은 아티팩트를 일으키는 것으로 알려져 있다. 이를 완화하기 위해 모델의 많은 변형이 제안되었다. 최근 수학 해석학 커뮤니티에서 이중상(double-phase) 문제에 대한 막대한 연구 성과가 쌓인 배경에서, TV와 이차 성장의 가중 항으로 구성된 이중상형 적분 범함수가 영상 복원을 위한 정규화 항으로 제안되었다. 본 연구에서는 해당 정규화 항을 바탕으로 ROF 노이즈 제거 모델의 적응형 변형을 제안한다. 이중상 범함수의 가변 성장(variable growth)은 초기 ROF 복원 단계로 포착되는 영상 윤곽에서 질적으로 다른 거동을 가능하게 한다. 본 모델은 고전 ROF 모델 대비 계단 현상을 줄이도록 설계되었으며, 영상의 에지(edge)는 유사한 방식으로 보존한다. 폐형식 리졸벤트(resolvent) 공식을 유도하고, 모델의 수치 해법을 위해 primal-dual Chambolle--Pock scheme을 개조한다. 또한 실용적인 노이즈 의존 매개변수 설정법을 제안하고, 다양한 노이즈 수준에서 합성 및 자연 영상에 대해 성능을 평가한다. 유사한 해석 가능성을 갖는 기존 모델들과 비교할 때, 유사도 지표 SSIM, PSNR, LPIPS 측면에서 개선되거나 유사한 성능을 보이며, 계단 현상은 눈에 띄게 감소한다.