UnfoldLDM은 딥 언폴딩 네트워크(DUN)와 잠재 확산 모델(LDM)을 통합하여 블라인드 이미지 복원(BIR)을 위한 새로운 프레임워크를 제안합니다. 기존 DUN의 문제점인 특정 degradation 모델 의존성과 과도한 smoothing bias를 해결하기 위해, UnfoldLDM은 multi-granularity degradation-aware (MGDA) 모듈을 사용하여 degradation을 추정하고, degradation-resistant LDM (DR-LDM)을 통해 degradation-invariant priors를 추출하며, over-smoothing correction transformer (OCFormer)를 사용하여 고주파 성분을 복원합니다. 그 결과, 다양한 BIR 작업에서 우수한 성능을 보이며, 기존 DUN 기반 방법에 플러그 앤 플레이 방식으로 적용 가능합니다.
시사점, 한계점
•
BIR을 위한 새로운 DUN 기반 프레임워크 제안: degradation-specific dependency와 over-smoothing bias 문제를 해결함.
•
MGDA 모듈을 통한 견고한 degradation 추정: 전체 degradation matrix와 분해된 형태를 모두 추정.
•
DR-LDM 및 OCFormer를 활용한 고품질 이미지 복원: degradation-invariant prior를 기반으로 세밀한 질감 복원.
