Fidelity-Constrained Anchoring for Black-Box Denoisers

블랙박스 노이즈 제거기의 출력을 PSNR/SSIM 제약으로 원본에 묶어주는 가벼운 후처리. 재학습 불필요.

이 논문은 한마디로 노이즈 제거 모델의 출력을 원본과 선형으로 섞어서, 정해진 충실도(PSNR 또는 SSIM)를 만족하는 최대 강도를 찾는 후처리 프레임워크다. 모델 내부를 몰라도 되고 재학습도 필요 없다. PSNR은 닫힌 해로, SSIM은 역함수 기반 반복 풀이로 효율적으로 제어했다. 실험에서 SSIM 기준 방식이 노이즈 크기와 무관하게 일관되게 작동했다.

핵심 요약

• 블랙박스 노이즈 제거 결과와 입력을 작은 영상 조각별로 선형 혼합해 목표 충실도를 만족하는 가장 큰 혼합 계수를 구했다.
• PSNR 제약은 닫힌 해로 풀고 SSIM 제약은 역 SSIM의 성질을 이용한 네 번의 근 찾기로 효율적으로 계산했다.
• Real-ESRGAN과 비국소 평균 제거기에서 재학습 없이 목표 PSNR 또는 SSIM을 제어할 수 있음을 확인했다.
• SSIM 기반 고정은 세 가지 가우시안 잡음 세기에서 PSNR 기반보다 일관된 품질·자연스러움 절충을 보여 실용적인 후처리로 쓸 수 있다.
• 선형 혼합에 의존하므로 제거 결과가 입력과 크게 다르거나 잡음이 너무 강해 원래 구조가 손상되면 성능이 떨어진다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.