열화식을 모르는 복원
실제 열화는 여러 과정이 섞여 간단한 식으로 표현하기 어려울 수 있다. DIIP는 열화 모형의 사전 지식 없이 복원하는 문제를 다룬다. 사전 학습 확산 모형이 가진 이미지 표현을 복원 사전으로 이용한다.
최적화가 진행되는 동안
최적화가 먼저 상대적으로 깨끗한 형태를 재구성하다가 이후 열화된 입력에 과적합되는 현상을 활용한다. 마지막 반복의 결과가 항상 가장 좋은 복원이라고 가정하지 않는다. 조기 중단은 이 과정에서 언제 결과를 선택할지에 관한 결정이다.
다루는 과제와 한계
JPEG 흔적 제거, 물방울 제거, 잡음 제거, 초해상도 같은 열화 블라인드 과제를 다룬다. 열화식을 모른다는 조건과 아무런 사전 정보도 쓰지 않는다는 말은 다르다. 사전 학습 모형의 표현과 중단 시점이 결과에 영향을 준다.
중단 판단의 독립 예
설명용으로 반복이 진행되며 글자 윤곽은 선명해지지만 나중에는 압축 블록 경계도 강해질 수 있다. 입력과 더 비슷해지는 것만으로 깨끗한 원본에 가까워졌다고 볼 수 없다. 실제 연구 결과를 옮기지 않은 최적화와 복원 목표의 차이에 대한 예다.
관련 문서
딥 이미지 사전 / 베이지안 딥 이미지 사전 / DPS / DiffPIR / DDRM / InDI