[Open DMQA Seminar] Image Denoising

최근 이미지 미세 분석과 정확한 계측의 중요성이 증가함에 따라 Image Denoising이 각광 받고 있다. 일반적으로 Image Denoising 모델을 학습하기 위해서는 Noisy 이미지와 Clean 이미지 쌍을 필요로 한다. 하지만 동일한 장면에 대해 서로 다르게 촬영된 이미지를 확보하는 것은 현실적으로 어렵다. 특히, 현업에서는 Clean 이미지만 존재하거나 Noisy 이미지만 존재하는 등 데이터가 불충분한 상황이 다수 존재한다. 따라서 본 세미나에서는 이처럼 데이터가 불완전한 상황에서 Image Denoising 모델을 효과적으로 학습할 수 있는 연구 사례들을 소개하고자 한다. 여러 데이터 상황에 따라 대응 가능한 다양한 방법론들을 소개함으로써, Image Denoising 모델 활용에 대한 제약을 최소화하고자 한다.
참고자료:
[1] Wu, W., Chen, M., Xiang, Y., Zhang, Y., & Yang, Y. (2023). Recent Progress in Image Denoising: A Training Strategy Perspective. IET Image Processing, 17(6), (pp. 1627-1657).
[2] Zhang, D., Zhou, F., Wei, Y., Yang, X., & Gu, Y. (2023). Unleashing the Power of Self-supervised Image Denoising: A Comprehensive Review. arXiv preprint arXiv:2308.00247.
[3] Jain, V., & Seung, S. (2008). Natural Image Denoising with Convolutional Networks. Advances in Neural Information Processing Systems, 21.
[4] Zhang, K., Zuo, W., Chen, Y., Meng, D., & Zhang, L. (2017). Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising. IEEE Transactions on Image Processing, 26(7), (pp. 3142-3155).
[5] Chen, J., Chen, J., Chao, H., & Yang, M. (2018). Image Blind Denoising with Generative Adversarial Network-based Noise Modeling. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 3155-3164).
[6] Lehtinen, J., Munkberg, J., Hasselgren, J., Laine, S., Karras, T., Aittala, M., & Aila, T. (2018, July). Noise2Noise: Learning Image Restoration without Clean Data. In International Conference on Machine Learning (pp. 2965-2974).
[7] Krull, A., Buchholz, T. O., & Jug, F. (2019). Noise2Void: Learning Denoising from Single Noisy Images. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 2129-2137).
[8] Ulyanov, D., Vedaldi, A., & Lempitsky, V. (2018). Deep Image Prior. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 9446-9454).

[@user-yu5qs4ct2b]

Excellent!