Core Concepts
실시간 동적 장면에서 발생하는 저동적 범위 및 모션 블러 문제를 해결하기 위해 이벤트 기반의 자기지도 학습 프레임워크를 제안한다. 이를 통해 고동적 범위 영상을 효과적으로 복원할 수 있다.
Abstract
실세계 동적 장면에서의 고동적 범위 영상 복원(HDRI)은 움직이는 물체로 인한 저동적 범위 및 모션 블러 문제로 인해 어려움이 있다.
기존 이벤트 기반 접근법은 별도의 작업에만 초점을 맞추고 있으며, HDRI와 모션 디블러링을 순차적으로 수행하면 최적의 결과를 얻기 어렵다. 또한 고동적 범위 영상의 참조 데이터를 얻기 어려운 문제가 있다.
이를 해결하기 위해 자기지도 학습 기반의 이벤트 기반 HDRI 프레임워크인 Self-EHDRI를 제안한다.
Self-EHDRI는 저동적 범위 영상에서 고동적 범위 영상으로의 변환을 학습하여 참조 데이터 없이 최적의 고동적 범위 영상을 복원할 수 있다.
이벤트의 고동적 범위와 고시간 해상도를 활용하여 저동적 범위 영상의 모션 블러를 보상하는 통합 네트워크를 제안한다.
대규모 합성 및 실세계 데이터셋을 구축하여 제안 방법의 효과를 검증하였으며, 기존 방법 대비 큰 성능 향상을 보였다.
Stats
제안 방법은 기존 방법 대비 PSNR-μ 지표에서 6.43dB, HDR-VDP-2 지표에서 3.70의 큰 성능 향상을 보였다.
제안 방법은 실세계 동적 장면에서 AG 지표에서 7.193, SF 지표에서 19.830의 우수한 성능을 보였다.
제안 방법은 NIQE, CLIP-IQA+, MANIQA, MUSIQ, LIQE 등의 이미지 품질 지표에서 기존 방법 대비 각각 0.203, 0.111, 0.100, 0.103, 1.189의 큰 성능 향상을 보였다.
Quotes
"실세계 동적 장면에서의 고동적 범위 영상 복원(HDRI)은 움직이는 물체로 인한 저동적 범위 및 모션 블러 문제로 인해 어려움이 있다."
"기존 이벤트 기반 접근법은 별도의 작업에만 초점을 맞추고 있으며, HDRI와 모션 디블러링을 순차적으로 수행하면 최적의 결과를 얻기 어렵다."
"제안 방법은 이벤트의 고동적 범위와 고시간 해상도를 활용하여 저동적 범위 영상의 모션 블러를 보상하는 통합 네트워크를 제안한다."