Core Concepts
근적외선-RGB 스펙트럼 변환 문제를 해결하기 위해 텍스처 유지, 거친 기하학 재구성, RGB 색상 예측의 3가지 하위 작업으로 분해하고, 이를 위한 3개의 모듈을 제안하여 점진적으로 색상과 텍스처 충실도를 향상시킨다.
Abstract
이 논문은 근적외선(NIR) 이미지를 RGB 이미지로 변환하는 문제를 다룹니다. NIR 이미지와 RGB 이미지 간의 스펙트럼 매핑 모호성으로 인해 기존 방법들은 텍스처 세부 정보 충실도와 다양한 색상 변화 사이의 균형을 잡는 데 어려움을 겪었습니다.
이를 해결하기 위해 저자들은 NIR 텍스처 유지, 거친 기하학 재구성, RGB 색상 예측의 3가지 하위 작업으로 문제를 분해하고, 각각에 대한 모듈을 제안했습니다:
텍스처 보존 블록(TPB): NIR 입력에서 고주파 텍스처 정보를 추출하여 최종 출력에 주입함
HSV 색상 특징 임베딩 모듈(HSV-CFEM): NIR 입력을 HSV 색상 공간으로 변환하여 NIR과 RGB 도메인 간 색상 특징 차이를 보정하고, 다중 스케일 색상 특징 맵을 생성
기하학 재구성 모듈(GRM): 거친 수준에서 NIR 입력의 컨텍스트 정보를 학습하고, HSV-CFEM에서 얻은 색상 특징 맵을 활용하여 색상 정보를 전파
이 3개의 모듈은 점진적으로 색상과 텍스처 정보를 풍부하게 하면서 스케일 일관성을 유지하도록 설계되었습니다. 실험 결과, 제안 방법인 MCFNet이 기존 방법들에 비해 우수한 성능을 보였습니다.
Stats
NIR 입력과 유사한 강도에서 RGB 도메인의 색상이 매우 다른 경우가 있다.
NIR 도메인에서 다른 강도를 가지는 영역이 RGB 도메인에서 동일한 색상을 가질 수 있다.
Quotes
"NIR-to-RGB 스펙트럼 도메인 변환은 NIR 입력과 RGB 출력 간의 고유한 스펙트럼 매핑 모호성으로 인해 어려운 과제이다."
"기존 방법들은 텍스처 세부 정보 충실도와 다양한 색상 변화 사이의 균형을 잡는 데 어려움을 겪었다."