데이터 대칭과 네트워크 등변성을 정렬하는 이미지 복원을 위한 이론적 프레임워크와 적응형 접근법

연구진은 데이터셋 수준의 비엄격 대칭을 정의하고, 이를 복원 문제의 등변성과 오차 경계와 연결하는 이론을 제시했다.

이 프레임워크는 실제 데이터의 대칭성에 모델의 대칭성을 맞추면 이미지 복원에서 기대 위험을 낮출 수 있음을 보여준다.

또한 하이퍼네트워크를 이용해 입력별로 등변 합성곱을 조정하는 샘플 적응형 등변 네트워크를 제안했다.

이 방법은 잡음 제거, 초해상도, 디레인 등 여러 벤치마크에서 기존 모델과 이전 등변 기반 모델보다 우수한 성능을 보였다.