공통 처리와 특화 처리
여러 복원 과제를 하나의 모형으로 다루면 공유할 수 있는 정보와 구분해야 하는 정보가 함께 생긴다. DaAIR는 저랭크 영역의 열화 인식 학습기를 이용해 이 두 측면을 함께 학습한다.
열화 표현의 역할
학습기는 다양한 손상에 걸친 공통 요소와 미세한 차이를 찾아 열화 인식 임베딩을 만든다. 이를 이용해 입력 손상에 따라 모형 용량을 동적으로 배분한다. 하나의 통합 모형 안에서 전체적인 학습과 특화된 학습을 연결하는 구성이다.
효율적인 매개변수 갱신
열화 인식을 강화하면서 계산 효율을 유지하도록 매개변수 갱신 메커니즘을 제안한다. 학습 중 갱신 비용과 실제 서비스를 위한 추론 지연은 다른 지표다. 특정 입력 크기나 장치에서의 속도는 별도로 측정해야 한다.
공유 범위의 독립 예
설명용으로 비에 젖은 창문 사진과 안개 낀 풍경 사진은 대비 저하를 공유해도 가느다란 물줄기는 한쪽에만 있을 수 있다. 공유 처리만으로 두 손상을 동일하게 취급하면 필요한 차이를 놓친다. 실제 연구 결과를 옮기지 않은 공통성과 특화의 예다.
관련 문서
AdaIR / LoRA-IR / PromptIR / PIP 이미지 복원 / Perceive-IR / InstructIR