컴퓨터·AI학부 이철 교수 연구팀이 미국 펜실베니아 주립대 연구팀과의 공동 연구를 통해 영상의 위상(Phase) 정보를 활용하여 영상 복원 성능을 효과적으로 향상시킬 수 있는 새로운 영상 복원 기술을 개발하였으며, 이를 컴퓨터비전 분야 3대 학술대회 중 하나인 European Conference on Computer Vision (ECCV)에 발표한다.

최근 자율주행, 스마트폰, 의료영상, 위성영상 등 다양한 영상 응용 분야에서 흐리게 촬영된 영상을 선명하게 복원하는 디블러링(Deblurring) 기술의 중요성이 크게 증가하고 있다. 그러나 기존의 딥러닝 기반 영상 복원 기술은 대부분 공간 영역(Spatial Domain)의 영상 정보만을 복원하는 방식으로 설계되어, 영상의 구조적 정보를 담고 있는 푸리에 위상(Fourier Phase) 정보를 충분히 활용하지 못하는 한계가 있었다. 이러한 문제는 특히 잡음이 심하거나 학습 데이터가 부족한 환경에서 성능 저하로 이어질 수 있다.

이에 연구팀은 영상의 푸리에 표현을 진폭(Amplitude)과 위상(Phase)으로 분리하여 각각을 최적으로 추정하는 새로운 영상 복원 프레임워크를 제안하였다. 또한 통계적 최적 추정 알고리즘을 딥러닝 네트워크로 확장하는 모델기반 딥러닝 기법을 적용하여, 모델 기반 알고리즘의 해석 가능성과 딥러닝의 높은 표현력을 동시에 확보하였다.

특히 본 연구에서는

   • 푸리에 진폭과 위상을 각각 선형 최소평균제곱오차(LMMSE) 기반으로 추정하는 새로운 통계적 복원 모델을 개발하고,

   • 이를 UPADNet(Unrolled Phase and Amplitude Decomposition Network)으로 구현하여 위상 정보까지 효과적으로 학습하는 새로운 영상 복원 네트워크를 제안하였다.

제안한 기술은 최신 기법보다 우수한 성능을 달성하였으며, 특히 잡음이 심한 환경과 학습 데이터가 부족한 환경에서도 높은 복원 성능과 일반화 능력을 유지하는 것으로 확인되었다. 또한 상대적으로 적은 네트워크 파라미터만으로도 우수한 성능을 달성하여 정확도와 계산 효율성을 동시에 확보하였다. 본 연구에서 제안한 기술은 자율주행, 의료영상, 위성영상, 스마트폰 카메라, 산업용 비전 시스템 등 다양한 영상 복원 응용 분야에 활용될 것으로 기대된다.

▲ UPADNet 구조

연구 결과는 “Leveraging Phase Information to Boost Unrolled Network Learning for Image Deblurring”이라는 제목으로 9월 스웨덴 말뫼에서 개최되는 ECCV 2026에서 발표될 예정이다.