Restormer: Efficient Transformer for High-Resolution Image Restoration

2022년 10월 07일 (금) | 발표자: 이한얼

기존에 Convolution Neural Networks(CNNs)을 활용한 Restoration work들이 많이 진행되었고 좋은 성능을 내고 있으나, CNNs의 본질적인 단점인 제한된 limited receptive field, inadaptability to input content 문제가 있습니다. 이를 해결하기 위해 활용된 Transformer model은 CNN의 단점들을 완화시켜주는 역할을 합니다. 한편, standard transformer baseline에서도, 그 계산 복잡도가 spatial resolution이 커짐에 따라 quadratically 커지게 된다는 문제가 있으며, 이는 transformer model의 사용을 어렵게 만드는 원인입니다. 본 논문에서는 기존의 CNNs의 한계를 보완해주면서도, Transformer의 계산 복잡도를 줄일 수 있는 새로운 네트워크 Restormer를 제안합니다. 결론적으로 이런 장점을 가진 네트워크로 Restoration task에서 SOTA 성능을 달성하는 실험결과를 보여줍니다.