연구진이 실시간 이미지 제거를 위한 BPUL 프레임워크를 제안했어요. BPUL은 LPUM을 통해 채널별, 공간별 특징 민감도를 추정하고 PURM을 통해 기존 복원 결과를 활용해 흐릿한 관찰 결과를 재구성해요.
BPUL은 $D^3$CL 손실 함수를 사용하여 실제 환경과 합성 부정 샘플로 깨끗한 복원 및 흐릿한 재구축 공간을 정규화해요. 다섯 가지 실제 환경 벤치마크에서 실험 결과 다양한 백본에서 성능이 향상됐어요.
BPUL은 추론 시 LPUM만 유지하고 PURM과 $D^3$CL은 훈련 시간 제약 조건으로 사용해 복원 성능을 향상시키면서 추론 오버헤드를 최소화해요.