Core Concepts
LiDAR 강도를 활용하여 단일 이미지에서 알베도와 그림자를 효과적으로 분해할 수 있는 새로운 접근법을 제안한다.
Abstract
이 논문은 단일 이미지만을 입력으로 사용하면서도 LiDAR 강도를 활용하여 기존 모델과 유사한 수준의 내재적 이미지 분해 성능을 달성하는 새로운 접근법을 제안한다.
주요 내용은 다음과 같다:
부분적으로 공유되는 모델 구조를 제안하여, 학습 시에는 이미지와 LiDAR 강도를 개별적으로 입력받지만 추론 시에는 단일 이미지만을 사용할 수 있도록 한다.
알베도 정렬 손실 함수를 제안하여, 이미지에서 추론된 알베도와 LiDAR 강도에서 추론된 알베도를 정렬함으로써 그림자 효과를 줄인다.
이미지-LiDAR 변환 경로를 도입하여, 이미지와 LiDAR 강도 간의 내용(content)과 스타일(style)을 효과적으로 분리할 수 있도록 한다.
결과적으로 제안한 LIET 모델은 LiDAR 강도를 활용하는 기존 모델과 유사한 수준의 내재적 이미지 분해 성능을 달성하면서도, 단일 이미지만을 입력으로 사용할 수 있어 활용성이 높아졌다.
Stats
이미지에서 추론된 알베도와 LiDAR 강도에서 추론된 알베도의 차이는 그림자 효과를 줄이는데 도움이 된다.
이미지와 LiDAR 강도 간의 내용(content)과 스타일(style)을 분리하는 것이 내재적 이미지 분해 성능 향상에 기여한다.
Quotes
"LiDAR 강도는 태양광 조건이나 그림자의 영향을 받지 않고 물체 표면의 질감을 유지하므로, 내재적 이미지 분해 작업에 효과적으로 활용될 수 있다."
"제안한 LIET 모델은 LiDAR 강도를 활용하여 기존 모델과 유사한 수준의 내재적 이미지 분해 성능을 달성하면서도, 단일 이미지만을 입력으로 사용할 수 있어 활용성이 높아졌다."