Linear Attention Based Deep Nonlocal Means Filtering for Multiplicative Noise Removal

Created by

Haebom

저자

Xiao Siyao, Huang Libing, Zhang Shunsheng

💡 개요

본 논문은 레이더 및 의료 영상 등에서 흔히 발생하는 곱셈 노이즈 제거를 위해 딥러닝 기반의 선형 어텐션 메커니즘을 활용한 비전통적인 비국소 평균 필터링 기법(LDNLM)을 제안합니다. 기존 비국소 평균 필터링의 계산 복잡성을 선형 복잡도로 줄이면서도 픽셀의 표현 벡터를 추출하고 유사도 계산 및 가중 평균을 어텐션 메커니즘으로 대체하여 효율적인 노이즈 제거를 달성했습니다. 시뮬레이션 및 실제 데이터 실험을 통해 LDNLM이 최신 기법 대비 우수한 성능을 보이며, 기존 비국소 평균 필터링과 유사한 해석 가능성을 제공함을 입증했습니다.

🔑 시사점 및 한계

•

곱셈 노이즈 제거 성능 향상: 딥러닝 기반의 선형 어텐션 메커니즘을 도입하여 기존 비국소 평균 필터링의 한계를 극복하고 곱셈 노이즈 제거 성능을 크게 향상시켰습니다.

•

계산 효율성 확보: 복잡한 유사도 계산 및 가중 평균 과정을 선형 복잡도를 갖는 어텐션 메커니즘으로 대체하여 계산 비용을 절감했습니다.

•

해석 가능성 유지: 전통적인 비국소 평균 필터링과 유사한 수준의 해석 가능성을 제공하여 모델의 신뢰도를 높였습니다.

•

다양한 종류의 곱셈 노이즈에 대한 일반화 성능 추가 검증: 현재 제시된 성능이 특정 시나리오에 국한되지 않고 다양한 곱셈 노이즈 특성에 대해 얼마나 일반화될 수 있는지 추가적인 연구가 필요합니다.

PDF 보기

Made with Slashpage