[Paper Review] Robust Unsupervised StyleGAN Image Restoration

https://arxiv.org/pdf/2302.06733

해당 논문은 위의 논문을 읽었고, 이 페이지는 개인적으로 해석하여 정리한 글입니다.

해당 논문은 Degradation Method에 대해서 다루고 있는 Paper

StyleGAN의 컨셉을 가지고 왔으며,

-> Method

![](https://velog.velcdn.com/images/ghgh5317/post/5320fd6c-f9b0-4714-ba53-18278a6e6f19/image.png)

hr을 degradation을 할 수 있게 할 수 있는 fidelity를 향상시키기 위해서 1. latent extension을 하고, 2. ADAM과 같은 좋은 optimizer를 사용한다.

latent code의 확장성을 위해 3 phase를 사용해 space를 확장하는 것.

위의 그림과 같이 1 phase 는 global 정보를 다루기 위해 style vector를 공통적으로 넣어주는 것,

2 phase는 layer wise, 3 phase는 filter에 값을 넣어주면서 latent code의 space를 확장함

Robust Optimizer
=> NGD를 사용 (SGD의 간단한 변경으로, Normalized Gradient Decent를 의미함.)

Robust loss function

set k = 6, image resolution = 1024 x 1024

-> Contribution

• Robust 3 phase StyleGAN image restoration framework
  • optimization technique
    • degradation level is very high
    • high fidelity (Method is fully unsupervised, no requires per-task training)
• diverse composed degradations
  • develop a benchmark of synthetic image restoration task
    • making their degradation levels easy to control

-> Experiments

-> Limitation

Domain has limit → Test Dataset Domain is only face