Core Concepts
대기 난류로 인해 왜곡된 이미지 시퀀스에서 기저 조도를 복구하는 방법을 제안한다. 감독 데이터를 얻기 어려운 상황에서, 우리는 중심극한정리를 활용하여 참조 프레임에서 다른 프레임으로의 변형을 모델링한다. 이를 통해 참조 템플릿을 명시적으로 초기화하지 않고도 각 프레임을 등록할 수 있다.
Abstract
이 논문은 대기 난류로 인해 왜곡된 이미지 시퀀스에서 기저 조도를 복구하는 방법을 제안한다.
참조 프레임 선택: 참조 프레임 I0를 선택하고, 다른 프레임 It를 I0에 등록하는 변형 ŵt를 추정한다.
변형 모델링: 중심극한정리를 활용하여 I0에서 It로의 평균 변형 ¯w는 I에서 I0로의 역변형에 수렴한다는 것을 보인다. 이를 통해 참조 템플릿 없이도 각 프레임을 등록할 수 있다.
흐름 역전: 변형 ¯w를 역전하는 문제는 수치적으로 불안정할 수 있다. 이를 해결하기 위해 보간 기반의 흐름 역전 알고리즘을 제안한다.
블러 모델링: 대기 난류로 인한 블러를 가우시안 함수로 모델링한다. 이를 통해 블라인드 디컨볼루션 문제를 해결할 수 있다.
실험 결과: 제안 방법은 기존 방법 대비 우수한 성능을 보이며, 단순한 초기화와 광학 흐름 사용에도 불구하고 최신 수준의 결과를 달성한다.
Stats
대기 난류로 인한 공간-시간 변화하는 변형은 가우시안 분포를 따른다.
참조 프레임 I0에서 다른 프레임 It로의 평균 변형 ¯w는 I에서 I0로의 역변형에 수렴한다.
Quotes
"우리는 참조 템플릿을 명시적으로 초기화하지 않고도 각 프레임을 등록할 수 있다."
"대기 난류로 인한 블러를 가우시안 함수로 모델링하여 블라인드 디컨볼루션 문제를 해결할 수 있다."