이 논문은 저조도 이미지 향상을 위한 새로운 알고리즘인 RetinexMamba를 소개한다. 기존의 레티넥스 방법과 딥러닝 기술의 장단점을 분석하고, 이를 보완하기 위해 RetinexMamba를 제안했다.
RetinexMamba는 크게 두 부분으로 구성된다. 첫째, 조명 추정기(Illumination Estimator)는 레티넥스 이론을 기반으로 이미지의 조명 성분을 추정한다. 둘째, 손상 복원기(Damage Restorer)는 조명 추정 과정에서 발생한 노이즈와 왜곡을 제거하고 이미지 품질을 향상시킨다.
손상 복원기의 핵심 구성요소인 Illumination Fusion State Space Model(IFSSM)은 2D 선택적 스캔(SS2D) 기반의 선형 복잡도 모델을 사용하여 계산 효율성을 높였다. 또한 기존 Retinexformer의 Illumination-Guided Multi-head Self-Attention(IG-MSA)를 Illumination Fusion Attention(IFA)로 대체하여 모델의 해석 가능성을 향상시켰다.
실험 결과, RetinexMamba는 LOL 데이터셋에서 기존 최신 기술 대비 PSNR과 RMSE 지표에서 우수한 성능을 보였다. 정성적 평가에서도 RetinexMamba가 노이즈 감소, 색상 왜곡 해결, 조명 향상 등에서 효과적인 것으로 나타났다.
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Jiesong Bai,... alle arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.03349.pdfDomande più approfondite