Core Concepts
입력 이미지를 내용과 외관 특징으로 분리하여 화질 평가와 예시 기반 이미지 처리를 수행할 수 있는 새로운 방법론을 제안한다.
Abstract
이 논문은 입력 이미지를 내용과 외관 특징으로 분리하는 새로운 방법론을 제안한다. 이를 통해 화질 평가와 예시 기반 이미지 처리 작업을 동시에 수행할 수 있다.
먼저, 입력 이미지를 내용과 외관 특징으로 분해하는 자기지도학습 기반의 표현 학습 모델을 제안한다. 이 모델은 입력 이미지를 내용과 외관 특징으로 분해하고, 이를 활용하여 화질 평가 모델인 DisQUE를 개발한다.
DisQUE는 기존 화질 평가 모델들을 뛰어넘는 성능을 보여주며, 특히 HDR 비디오 화질 평가 작업에서 우수한 성능을 보인다. 또한 동일한 특징 추출기를 활용하여 예시 기반 HDR 톤 매핑 작업을 수행할 수 있음을 보인다. 이를 통해 내용과 외관 특징의 분리가 다양한 이미지 처리 작업에 활용될 수 있음을 확인한다.
Stats
HDR 비디오 화질 평가 데이터셋인 LIVE-TMHDR 데이터베이스에서 DisQUE는 Pearson 상관계수 0.816, Spearman 순위 상관계수 0.822를 달성하여 기존 모델들을 크게 능가하였다.
SDR 이미지 화질 평가 데이터셋인 LIVE IQA, CSIQ, TID2013, KADID-10k에서도 DisQUE는 기존 최신 모델들과 견줄만한 성능을 보였다.
Quotes
"입력 이미지를 내용과 외관 특징으로 분해하는 자기지도학습 기반의 표현 학습 모델을 제안한다."
"DisQUE는 기존 화질 평가 모델들을 뛰어넘는 성능을 보여주며, 특히 HDR 비디오 화질 평가 작업에서 우수한 성능을 보인다."
"동일한 특징 추출기를 활용하여 예시 기반 HDR 톤 매핑 작업을 수행할 수 있음을 보인다."