알 수 없는 흐림의 복원
움직임 때문에 번진 이미지에서 선명한 장면을 추정하는 것이 목표다. 입력 영상에서 복원 결과까지 종단 간 학습하는 방식을 취한다. 선명해 보이는 결과를 만드는 일과 원래 장면의 세부가 정확히 되살아나는 일은 구분해야 한다.
적대 학습과 내용 손실
조건부 GAN은 입력에 대응하는 결과가 자연스러운지를 학습하는 틀을 제공한다. 내용 손실도 함께 이용해 복원 결과의 내용을 다룬다. 두 학습 신호는 역할이 다르므로 적대 학습만으로 원본 내용의 정확성까지 해결된다고 해석하지 않는다.
합성 흐림의 활용
선명한 영상으로부터 움직임 흐림 영상을 생성하는 방법을 제시한다. 이런 자료 보강은 입력과 목표의 대응을 만드는 데 도움이 된다. 합성 흐림의 분포와 실제 촬영에서 발생하는 흔들림이나 물체 움직임이 얼마나 닮았는지는 별도의 문제다.
복원 뒤의 작업
화질 지표와 시각적 모양 외에 흐린 이미지 및 복원 이미지에서의 물체 검출도 평가한다. 예를 들어 간판 경계가 또렷해져도 글자 한 획이 달라지면 읽기 결과는 틀릴 수 있다. 이 독립 예시는 후속 작업 성능과 외관을 함께 살필 필요성을 보여준다.
관련 문서
DeblurGAN-v2 / MIMO-UNet / Restormer / NAFNet / MPRNet / HINet