Core Concepts
실제 세계 HDR 비디오 복원을 위한 대규모 실제 세계 벤치마크 데이터셋을 제안하고, 두 단계 정렬 네트워크를 통해 복잡한 모션을 효과적으로 처리하여 고품질 HDR 비디오를 복원할 수 있다.
Abstract
이 연구는 실제 세계 HDR 비디오 복원을 위한 대규모 벤치마크 데이터셋인 Real-HDRV를 제안하고, 이를 활용하여 두 단계 정렬 네트워크를 개발했다.
Real-HDRV 데이터셋:
다양한 장면, 다양한 모션 패턴, 고품질 라벨을 포함
기존 합성 데이터셋 대비 실제 세계 열화 분포를 더 잘 반영
모델 학습 및 일반화 성능 향상에 기여
두 단계 정렬 네트워크:
글로벌 정렬 모듈(GAM)과 지역 정렬 모듈(LAM)로 구성
GAM은 글로벌 모션을 효과적으로 보정하고, LAM은 지역 모션을 적응적으로 처리
복잡한 모션에 강인하며 고품질 HDR 비디오 복원 가능
실험 결과:
Real-HDRV 데이터셋으로 학습한 모델이 기존 합성 데이터셋 대비 실제 세계 데이터에서 더 우수한 성능 달성
제안 방법이 기존 최신 방법 대비 정량/정성적으로 우수한 성능 보임
Stats
실제 세계 HDR 비디오 복원에서 모델 학습 시 합성 데이터셋 대비 제안 Real-HDRV 데이터셋을 사용하면 PSNR-μ 1dB 이상 향상된다.
제안 방법은 기존 최신 방법 대비 HDR-VDP-2 점수 63.53, HDR-VQM 점수 89.71로 우수한 성능을 보인다.
Quotes
"실제 세계 HDR 비디오 복원을 위한 대규모 실제 세계 벤치마크 데이터셋을 제안하고, 이를 활용하여 두 단계 정렬 네트워크를 통해 복잡한 모션을 효과적으로 처리하여 고품질 HDR 비디오를 복원할 수 있다."
"모델 학습 시 제안 Real-HDRV 데이터셋을 사용하면 기존 합성 데이터셋 대비 실제 세계 데이터에서 PSNR-μ 1dB 이상 향상된다."