연구진은 흐릿한 움직임 제거를 위해 흐름 기반 생성 모델을 활용하는 새로운 프레임워크 'DeblurFlow'를 제안했습니다. 기존 모델의 훈련 목표와 복원 작업의 불일치를 해결하기 위해 흐름 경로를 재정의하는 방식으로 작동합니다.
DeblurFlow는 사전 훈련된 흐름 모델을 LoRA 적응을 통해 복원 정렬된 목표에 최적화할 수 있도록 하며, 높은 복원 충실도와 인지적 품질을 동시에 달성합니다.
r-space라는 새로운 잠재 공간을 도입하여 인코더-디코더 비용을 최대 9배까지 절감했으며, 다양한 데이터셋에서 뛰어난 성능을 입증했습니다.