동적 장면 디블러링을 위한 심층 다중 스케일 합성곱 신경망

일반 동적 장면에 대한 비균일 블라인드 디블러링은 블러가 여러 객체의 움직임뿐만 아니라 카메라 흔들림, 장면 깊이 변화에서도 발생하기 때문에 도전적인 컴퓨터 비전 문제입니다. 이러한 복잡한 움직임 블러를 제거하기 위해 기존의 에너지 최적화 기반 방법은 블러 커널이 부분적으로 균일하거나 지역적으로 선형이라는 간단한 가정에 의존합니다. 더불어 최근의 기계 학습 기반 방법들도 이러한 가정 하에 생성된 합성 블러 데이터셋에 의존합니다. 이로 인해 기존의 디블러링 방법은 블러 커널을 근사화하거나 매개변수화하기 어려운 경우(예: 객체 움직임 경계) 블러를 제거하지 못합니다. 본 연구에서는 다양한 원인으로 인한 블러를 직접적인 방식으로 선명한 이미지를 복원하는 다중 스케일 합성곱 신경망을 제안합니다. 함께, 기존의 대략적에서 세밀한 접근 방식을 모방하는 다중 스케일 손실 함수를 제시합니다. 게다가, 고속 카메라에 의해 얻어진 사실적인 흐릿한 이미지와 해당하는 진정한 선명한 이미지 쌍을 제공하는 새로운 대규모 데이터셋을 제안합니다. 이 데이터셋에서 학습된 제안된 모델을 통해, 우리는 질적 뿐만 아니라 양적 측면에서도 동적 장면 디블러링에서 최첨단 성능을 달성함을 실증적으로 보여줍니다.