1 |
1
입력 영상에 포함된 잡음으로부터 생성된 잡음 제거 정도 조절용 파라미터를 입력 받아 잡음 제거 파라미터를 생성하는 컨디션 인코더; 및상기 입력 영상으로부터 추출된 제1 영상 특징맵과 상기 잡음 제거 파라미터를 연산하여 상기 입력 영상에 포함된 잡음을 제거하는 잡음 제거 신경망을 포함하는 영상 잡음 제거 장치
|
2 |
2
제 1항에 있어서,상기 잡음 제거 정도 조절용 파라미터는 상기 잡음의 표준편차 값을 포함하고,상기 컨디션 인코더는,상기 잡음 제거 정도 조절용 파라미터를 입력 받아 잡음 특징맵을 생성하는 제1 합성곱 필터와, 상기 생성된 잡음 특징맵을 입력 받는 비선형 함수와,상기 비선형 함수의 출력을 제공받고 복수의 차원으로 확장된 감마값을 생성하는 감마 합성곱 필터와,상기 비선형 함수의 출력을 제공받고 복수의 차원으로 확장된 베타값을 생성하는 베타 합성곱 필터를 포함하는 영상 잡음 제거 장치
|
3 |
3
제 2항에 있어서,상기 감마값 및 상기 베타값은 상기 잡음 제거 파라미터인 영상 잡음 제거 장치
|
4 |
4
제 1항에 있어서,상기 잡음 제거 신경망은,상기 입력 영상을 사용하여 상기 제1 영상 특징맵을 생성하는 제1 합성곱 신경망과,복수 개의 잔여 블록들을 포함하고, 상기 복수 개의 잔여 블록들을 이용하여 상기 제1 영상 특징맵을 복수의 차원으로 확장하는 컨디셔널 아핀 변환 블록과, 상기 컨디셔널 아핀 변환 블록의 출력을 제공받고 제2 영상 특징맵을 생성하는 제2 합성곱 신경망과,상기 제1 영상 특징맵과 상기 제2 영상 특징맵을 덧셈 연산하는 덧셈부와,상기 덧셈부에서 출력된 특징맵으로부터 하나의 차원의 영상으로 변환된 잡음이 제거된 영상을 출력하는 제3 합성곱 신경망을 포함하는 영상 잡음 제거 장치
|
5 |
5
제 4항에 있어서,상기 복수 개의 잔여 블록들 각각은,상기 제1 영상 특징맵을 제1 합성곱 필터로 연산하는 제1 합성곱 블록과,상기 제1 합성곱 블록으로 연산된 특징맵에 비선형 함수를 적용하는 비선형 함수 블록과,상기 비선형 함수가 적용된 특징맵을 제2 합성곱 필터로 연산하는 제2 합성곱 블록과,상기 제1 영상 특징맵과 상기 제2 합성곱 블록의 출력값을 더하는 덧셈부를 포함하는 영상 잡음 제거 장치
|
6 |
6
제 5항에 있어서,상기 비선형 함수는 ReLU 함수이고,상기 컨디셔널 아핀 변환 블록은 복수 개의 컨디셔널 아핀 변환 블록을 포함하는 영상 잡음 제거 장치
|
7 |
7
잡음을 포함한 입력 영상으로부터 제1 영상 특징맵을 추출하고,상기 추출된 제1 영상 특징맵을 복수의 차원으로 확장하고,잡음 제거 정도 조절용 파라미터를 기초로 잡음 제거 파라미터를 생성하고,상기 생성된 잡음 제거 파라미터를 복수의 차원으로 확장하고,상기 복수의 차원으로 확장된 제1 영상 특징맵과 상기 복수의 차원으로 확장된 잡음 제거 파라미터를 성분곱 연산(element wise multiplication)하고,상기 성분곱 연산의 결과로부터 제2 영상 특징맵을 추출하고,상기 제2 영상 특징맵과 상기 추출된 제1 영상 특징맵을 덧셈 연산하고,상기 덧셈 연산된 특징맵으로부터 하나의 차원의 영상으로 변환된 잡음이 제거된 영상을 출력하는 것을 포함하는 영상 잡음 제거 방법
|
8 |
8
제 7항에 있어서,잡음 제거 정도 조절용 파라미터를 기초로 잡음 제거 파라미터를 생성하는 것은,상기 잡음 제거 정도 조절용 파라미터를 기초로 잡음 특징맵을 생성하고,상기 잡음 특징맵을 이용하여 복수의 차원으로 확장된 감마값을 생성하고상기 잡음 특징맵을 이용하여 복수의 차원으로 확장된 베타값을 생성하는 것을 포함하고,상기 잡음 제거 정도 조절용 파라미터는 상기 잡음의 표준편차 값을 포함하는 영상 잡음 제거 방법
|
9 |
9
제 8항에 있어서,상기 감마값 및 상기 베타값은 상기 잡음 제거 파라미터인 영상 잡음 제거 방법
|
10 |
10
제 7항에 있어서,상기 제1 영상 특징맵의 깊이는 1개 이상 64개 이하를 포함하는 영상 잡음 제거 방법
|