이 논문은 카메라 매개변수를 활용하여 정방향 및 역방향 ISP 프로세스를 학습하는 ParamISP 프레임워크를 제안한다.
ParamISP는 카메라 매개변수를 효과적으로 활용하기 위해 ParamNet이라는 새로운 신경망 모듈을 도입한다. ParamNet은 노출 시간, 감도, 조리개 크기, 초점 거리와 같은 광학 매개변수를 특징 벡터로 변환하여 ISP 네트워크의 동작을 제어한다. 또한 비선형 등화 및 무작위 드롭아웃 기반 학습 전략을 통해 카메라 매개변수에 대한 안정적이고 효과적인 학습을 달성한다.
ParamISP는 CanoNet, LocalNet, GlobalNet 등의 새로운 네트워크 아키텍처를 제안하여 실제 ISP 프로세스를 잘 반영한다. CanoNet은 디모자이킹, 화이트 밸런스, 색 공간 변환과 같은 기본적인 ISP 연산을 수행하며, LocalNet과 GlobalNet은 각각 지역적 및 전역적 ISP 연산을 학습한다.
광범위한 실험을 통해 ParamISP가 기존 방법들에 비해 RAW 및 sRGB 복원 성능이 우수하며, 다양한 응용 분야(디블러링 데이터셋 합성, RAW 디블러링, HDR 복원, 카메라 간 전송)에서 효과적으로 활용될 수 있음을 보여준다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Woohyeok Kim... at arxiv.org 04-16-2024
https://arxiv.org/pdf/2312.13313.pdfDeeper Inquiries