레이어를 보존하며 렌더 노이즈를 지우는 Ragged Neighborhood Attention

Disney Research Studios의 RaNAD는 딥 이미지의 레이어 구조를 보존하면서 최대 7개 프레임을 함께 처리해 렌더 노이즈와 시간적 흔들림을 줄입니다.

논문 《Ragged Neighborhood Attention for Spatiotemporal Neural Denoising of Deep Monte Carlo Renderings》

저자 Xianyao Zhang · Gerhard Röthlin · Tunç Ozan Aydin · Farnood Salehi · Marios Papas

연구 Disney Research Studios

발표 SIGGRAPH 2026

공개 2026-07-16

영상 6분 32초

딥 이미지의 구조를 유지하는 시공간 디노이저

딥 이미지는 한 픽셀 안에 깊이가 다른 여러 샘플을 ‘빈’ 형태로 저장한다. 서로 겹친 물체를 분리해 합성하기 좋지만, 픽셀마다 빈의 수가 달라 고정된 합성곱 커널을 쓰는 기존 신경망 디노이저와 잘 맞지 않고 몬테카를로 렌더링 노이즈를 제거하기도 어렵다.

연구팀은 공간과 시간의 이웃을 살필 때 필요한 빈 사이의 관계를 동적으로 찾는 Ragged Neighborhood Attention, 줄여서 RaNA 연산자를 제안했다. 이를 바탕으로 딥 몬테카를로 렌더링을 위한 최초의 시공간 신경망 디노이저 ‘RaNAD’를 구성했다.

RaNAD는 다중 U-Net과 멀티스케일 복원 구조, 최적화된 CUDA 구현을 사용한다. deep-Z와 deep-OID 형식을 모두 지원하고 최대 7개 프레임을 한 번에 처리해, 단일 프레임 방식보다 시간에 따른 깜빡임과 불안정을 줄인다.

결과 영상은 노이즈를 제거한 뒤에도 딥 합성에 필요한 레이어 구조를 그대로 유지한다. 평면 이미지로 펼쳐 비교했을 때도 강력한 일반 이미지 디노이저와 경쟁할 만한 품질을 보이며, 여러 AOV를 사용하는 오프라인 렌더링과 합성 파이프라인에 바로 연결할 수 있는 방향을 제시한다.

🏷 같은 작품의 다른 포스트 →

Maru