Dual-Path Divide-and-Conquer Neural Network for Image Deblurring
Jisoo Shin, Ho-Sub Lee · The Journal of Korean Institute of Information Technology · 2025
최근 딥러닝 기반 이미지 디블러링 방법들은 일반적으로 단일 인코더–디코더 구조를 사용하지만, 다양한 방향의 블러 성분에 대한 구조적 특징을 복원하는 데 한계가 있다. 이를 해결하기 위해 본 논문에서는 이중 경로 분할 정복(Dual-Path Divide-and-Conquer) 기반의 DPDC-Net을 제안한다. 제안된 모델은 수직 및 수평 방향의 이미지 특징을 각각 추출하는 두 개의 인코더와, 이를 재구성하여 이미지를 복원하는 두 개의 디코더로 구성된다. 또한, 두 방향의 인코더와 디코더 간에 파라미터를 공유함으로써, 단일 인코더-디코더 모델과 동일한 파라미터 수를 유지하면서도 수직 및 수평 방향의 구조적 특징을 효과적으로 학습한다. 다양한 실험을 통해서 제안하는 DPDC-Net은 GoPro 데이터셋에서 가장 최근 방법인 MRDNet 대비 PSNR이 0.15 dB, SSIM이 0.0024 향상된 성능을 보였다.