Sign In
insight - 저조도 이미지 향상
저조도 이미지 향상을 위한 코드북 기반 접근법: CodeEnhance
저조도 이미지 향상을 위해 고품질 이미지로부터 학습된 코드북을 활용하여 저조도 이미지를 고품질 이미지로 변환하는 접근법을 제안한다.
물리 기반 저조도 향상 기술 PIE
본 논문은 물리 기반 대비 학습 기법인 PIE를 제안하여 저조도 이미지 향상을 달성한다. PIE는 픽셀 대응 이미지 쌍이 필요 없는 비지도 학습 방식을 사용하고, 물리 기반 음영 생성 기법을 통해 효과적인 음영 샘플을 생성하며, 의미 정보에 의존하지 않는 비지도 영역 분할 기법을 활용한다.
저조도 이미지 향상을 위한 디지털 이미징 레티넥스 이론
기존 레티넥스 이론은 디지털 이미징 과정에서 발생하는 잡음, 양자화 오차, 비선형성, 동적 범위 제한 등의 요인을 고려하지 않았다. 본 연구에서는 이러한 요인을 반영한 디지털 이미징 레티넥스 이론을 제안하고, 이를 바탕으로 효율적인 저조도 이미지 향상 모델을 개발하였다.
저조도 이미지 향상을 위한 경량 YUV 변환기 기반 네트워크 LYT-Net
LYT-Net은 YUV 색 공간을 활용하여 저조도 이미지의 가시성과 대비를 향상시키는 경량 모델이다. 변환기 기반의 다중 헤드 자기 주의 메커니즘을 통해 장거리 의존성을 포착하고, 하이브리드 손실 함수를 통해 효율적인 학습을 달성한다.
저조도 환경에서의 효율적인 이미지 향상을 위한 반복적 반사광 요인 분해
본 논문은 저조도 이미지를 다양한 반사광 요인으로 재귀적으로 분해하여 각 요인을 개별적으로 향상시키는 새로운 접근법을 제안한다. 이를 통해 저조도 이미지의 전반적인 품질을 향상시킬 수 있다.
Products | Resources
© 2024 by Linnk AI