알려지지 않은 혼합 손상으로부터 원본 이미지를 복원하는 블라인드 이미지 복원(blind image restoration) 문제를 리만 기하학의 관점에서 재정의한 연구가 발표됐다. 기존의 결정론적 플로우 기반 방법들은 손상 이미지에서 깨끗한 이미지로의 전이를 유클리드 공간 내 선형 보간으로 처리해 왔지만, 이는 실제 손상의 기하학적 구조를 반영하지 못한다는 근본적인 한계가 있었다. 이번 연구는 손상 패턴을 저차원 리만 다양체(Riemannian manifold) 위의 점으로 명시적으로 모델링함으로써 이 한계를 이론적으로 극복하려는 시도다.
연구팀은 측지 흐름 매칭(geodesic flow matching) 목적함수를 도입해 이미지-다양체 결합 공간에서의 내재적 전이 동역학을 학습하는 프레임워크를 제안했다. 이 접근은 손상 공간의 곡률을 반영한 측지선(geodesic)을 따라 복원 경로를 구성한다는 점에서 기존 선형 플로우 방법을 일반화한 형태다. 혼합 손상의 경우 각 손상 구성 요소를 다양체 위에서의 측지 합성으로 처리할 수 있는 원칙적 틀도 함께 제공한다.
이 프레임워크는 선형 플로우 매칭이 제안한 결과물 방법론을 특수한 경우로 포괄하며, 관측된 손상 범위를 넘어서는 일반화에 대해서도 명료한 이론적 해석을 제시한다는 점에서 주목받는다. 블라인드 이미지 복원은 실제 촬영 환경에서 카메라 흔들림, 노이즈, 압축 왜곡 등 서로 다른 손상이 복합적으로 발생하는 점을 고려할 때 실용적 가치가 크다. 이번 연구는 손상의 기하학적 구조를 학습에 내재화함으로써 단일 손상 유형에 치우친 기존 모델보다 다양한 실환경 시나리오에 더 강건한 복원이 가능할 것으로 기대된다.
리만 다양체를 활용한 생성 모델 연구는 최근 플로우 매칭과 확산 모델 분야에서 꾸준히 확장되고 있다. 이번 연구는 이미지 복원이라는 구체적 과제에 리만 기하학적 최적 전이 이론을 접목해 방법론 설계의 새로운 방향을 열었다는 점에서 관련 분야 후속 연구에 영향을 줄 것으로 보인다.
