다중 촬영 흐름 기반 역문제 해결: 메모리 절감과 재구성 품질 향상

초록

본 논문은 흐름 기반 생성 모델을 이용한 이미지 역문제 해결에서, 초기 잠재 코드를 직접 최적화하는 기존 단일 촬영 방식의 메모리 부담과 수치 불안정을 극복하기 위해 다중 촬영(Multiple‑Shooting) 프레임워크인 MS‑Flow를 제안한다. Trajectory를 여러 중간 상태로 분할하고, 각 구간을 로컬하게 제약하면서 전체 연속성을 페널티로 연결함으로써 메모리 사용량을 상수 수준으로 낮추고, 재구성 품질을 개선한다. 실험은 인페인팅, 초해상도, CT 복원 등 다양한 이미지 복원 태스크에서 기존 D‑Flow 대비 우수한 성능을 입증한다.

상세 분석

MS‑Flow는 연속 정규화 흐름(continuous normalizing flow, CNF) 혹은 흐름 기반 모델을 역문제에 적용할 때 발생하는 두 가지 근본적인 문제, 즉(1) 전체 ODE 궤적을 역전파해야 하는 높은 메모리 요구량과(2) 초기 잠재 변수 z 에 대한 비선형 의존성으로 인한 기울기 소실·폭발을 해결한다. 기존 D‑Flow는 단일 촬영(single‑shooting) 방식으로, 초기 잠재 코드 z 만을 변수로 두고 전체 시간 구간