LensBridge: 렌즈 수차 보정 및 베일링 글레어 제거를 위한 주파수 유도 복합 열화 적응
LensBridge: Frequency-Guided Compound Degradation Adaptation for Lens Aberration Correction and Veiling Glare Removal
단순화된 광학 시스템은 종종 잔여 렌즈 수차와 베일링 글레어(Veiling Glare, VG)를 나타내어 공간적으로 변하는 블러와 대비 감소를 초래합니다. 대규모 렌즈 라이브러리(LensLib)는 다양한 점 확산 함수(Point Spread Function, PSF)를 포괄하여 재사용 가능한 수차 보정 모델을 가능하게 하지만, 수차만을 대상으로 하는 학습(training) 분포에는 타깃 시스템 고유의 베일링 글레어가 포함되지 않습니다. 실제 타깃 시스템의 복합 열화 쌍(pair)을 얻기 어렵기 때문에 이러한 기반을 복합 열화로 확장하는 것은 도전적인 과제입니다. 이 문제를 해결하기 위해, 먼저 재사용 가능한 수차 보정 기반을 구축한 후 몇 개의 비쌍형(unpaired) 타깃 관측치만을 사용하여 복합 광학 열화에 적응시키는 2단계 프레임워크인 LensBridge를 제안합니다. 1단계에서는 LensLib PSF로부터 이산 열화 사전 확률(prior)을 구성하고 수차 이미지에서 이를 직접 검색하도록 학습함으로써, 추론(inference) 시 명시적인 PSF 없이도 PSF 인식 보정을 가능하게 하는 PSF 인식 1단계 확산 기반을 구축합니다. 2단계에서는 주파수 도메인 유도를 통해 이 기반을 복합 열화에 적응시킵니다. 데이터 레벨에서는 주파수 유도 열화 완성(Frequency-guided Degradation Completion, FDC)이 수차 구조를 보존하면서 타깃의 저주파 특성을 LensLib 수차 이미지로 전명하여 복합 학습 쌍을 합성합니다. 모델 레벨에서는 주파수 유도 의사 분해(Frequency-guided Pseudo Decomposition, FPD)가 수차 및 VG가 지배적인 의사 관측치를 형성하여 별도의 적응 브랜치를 조건화합니다. 여러 광학 시스템에 걸친 광범위한 실험을 통해, LensBridge가 타깃 시스템의 쌍형 지도(paired supervision) 없이도 재사용 가능한 수차 보정 기반을 수차 보정 및 베일링 글레어 동시 제거로 효과적으로 확장함을 입증합니다. 모든 코드는 https://github.com/XiaolongQian/LensBridge 에서 공개될 예정입니다.