Core Concepts
밤낮 장면에서 렌즈 플레어를 효과적으로 제거하는 고성능 이미지 복원 알고리즘을 개발하는 것이 이 도전과제의 핵심 목표이다.
Abstract
이 보고서는 MIPI 2024 챌린지의 밤낮 플레어 제거 트랙에 대해 정리하고 요약한다. 170명의 등록 참가자 중 14개 팀이 최종 테스트 단계에 성공적으로 제출했으며, 이 중 12개 팀의 솔루션이 이 보고서에 설명되어 있다.
참가팀들은 다양한 접근법을 제안했다. MiAlgo AI팀은 점진적 지각 확산 네트워크(PPDN)를 제안했고, BigGuy팀은 효율적인 Restormer 기반 구조를 사용했다. SFNet-FR팀은 공간-주파수 도메인 신경망을 개발했다. 다른 팀들도 U-Transformer, 주파수 특성 활용, 적대적 생성 신경망 등 다양한 기술을 활용했다.
이 솔루션들은 기존 대비 상당한 성능 향상을 보였으며, 실제 산업 적용을 위한 핵심 기술로 평가된다. 이번 챌린지를 통해 밤낮 플레어 제거 분야의 연구가 크게 발전할 것으로 기대된다.
Stats
입력 이미지와 지면 진실 이미지의 차이를 활용하여 플레어 영역을 마스크로 사용한다.
플레어 제거 결과 이미지와 입력 이미지의 퍼셉트럴 유사도를 측정하여 손실 함수에 활용한다.
플레어 제거 결과 이미지와 지면 진실 이미지의 구조적 유사도를 측정하여 손실 함수에 활용한다.
Quotes
"플레어 제거 성능을 높이기 위해 합성 데이터와 실제 데이터를 혼합하여 학습 데이터를 확장했다."
"주파수 영역의 특성을 활용하여 플레어 제거와 세부 정보 복원을 동시에 수행했다."
"적대적 생성 신경망을 활용하여 플레어 제거와 이미지 복원을 통합적으로 수행했다."