RUnet : U-Net 기반 각도 분해 광전자 방출 분광법 영상 디노이징

Abstract

본 논문에서는 각도 분해 광전자 방출 분광법(Angle-Resolved Photoemission Spectroscopy, ARPES) 데이터 디노이징에 특화된RUnet을 제안한다. U-Net 기반의 디노이징 네트워크는 디노이징 성능이 뛰어나지만, 광범위 노이즈 구간에서 일관성 있는 성능을 내기 어렵다. 반면 오토인코더 기반 ARPESNet은 전 노이즈 구간에서 일관성 있는 디노이징 성능을 보이지만 세밀한 특징의 복원 성능이 떨어지는 단점이 있다. 따라서 제안하는 RUnet은 학습 영상의 노이즈 강도를 강, 중, 약으로 구분하여 학습을 수행할 뿐만 아니라,압축-활성화(Squeeze-and-Excitation) 기법을 디코더 단 합성곱 층(Convolution layer)의 끝단에 적용하여 디노이징 성능을 획기적으로개선한다. 그 결과 제안 방법은 ARPES 영상 데이터의 노이즈 특성을 기존 방법 대비 세밀하게 추출하며 최신 기법 대비 PSNR 및MS-SSIM 기준 평균 4.79dB 및 평균 0.0217의 개선 결과를 보인다.