FFDNet: 빠르고 유연한 CNN 기반 이미지 잡음 제거

오늘의 논문

원문 보기 문헌연구

RESEARCH PAPER IT Crossref 실존 확인 2026-09-06 회차 지난 회차

FFDNet: 빠르고 유연한 CNN 기반 이미지 잡음 제거

FFDNet: Toward a Fast and Flexible Solution for CNN-Based Image Denoising

Kai Zhang, Wangmeng Zuo, Lei Zhang · IEEE Transactions on Image Processing · 2018년 · 조회 16

왜 이 논문인가 — 선정 기준

RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수

2018-05 발표 · 피인용 2,635회 · FWCI 88.8 · 동년 인용 상위 1% · 참고문헌 59개

RESEARCH 슬롯에 선정된 이유는 2018년 발표 이후 2635회의 인용과 FWCI 88.8 등 높은 인용 지표를 보이며, 후속 연구 설계에 활용하기 적합한 기반 기술을 제공하기 때문이다.

논문 요약

이미지 잡음 제거를 위해 기존 CNN 기반 방법은 각 노이즈 레벨마다 별도 모델을 학습해야 하는 제약이 있었다. 저자들은 노이즈 레벨 맵을 입력으로 받아 한 모델로 다양한 노이즈 레벨([0,75])을 처리할 수 있는 FFDNet을 제안한다. 다운샘플링된 서브이미지에서 연산함으로써 추론 속도와 성능 사이의 균형을 이루었다. 이를 통해 공간적으로 변하는 잡음에도 유연하게 대응한다.

후속 연구설계에 활용하기

노이즈 레벨 맵을 조건 입력으로 사용하는 방식을 새로운 잡음 모델에 적용하거나, 다운샘플링 전략을 변형해 경량화·고성능 잡음 제거 시스템을 설계할 수 있다.

핵심어

이미지 잡음 제거가변 노이즈 레벨CNN빠른 추론

실존 확인

이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다. SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.

DOI: 10.1109/tip.2018.2839891

2026-09-06 확인 · 2026-09-06 선정