디지털 카메라의 질감 재현 능력을 평가하는 표준 지표인 질감 선명도 지표를 최적화하기 위해, 자연 이미지와 합성 데드 리브스 이미지를 활용한 하이브리드 학습 기법을 제안하였다. 이를 통해 기존 데이터 충실도 지표를 유지하면서도 질감 선명도 지표를 크게 향상시킬 수 있었다.
본 연구에서는 혼합 주의 메커니즘을 제안하여 이미지 디블러링 및 기타 이미지 복원 작업에서 우수한 성능을 달성하였다. 제안된 혼합 주의 메커니즘은 지역적 및 전역적 특성을 효율적으로 포착하여 기존 방법들을 크게 능가하는 결과를 보여주었다.
다양한 정보원(장기 시퀀스, 지역 및 전역 영역, 특징 차원, 위치 차원)으로부터의 정보를 효과적으로 통합하여 이미지 복원 문제를 해결하는 새로운 방법을 제안한다.
TSNet은 다중 스케일 융합 모듈과 적응형 학습 모듈을 통해 이미지 안개 제거 성능을 향상시킨다. 또한 두 단계로 구성된 네트워크 설계와 학습 목표 변경을 통해 출력 이미지의 아티팩트와 색상 왜곡을 줄인다.
WaveDH는 웨이블릿 서브밴드를 활용하여 효율적이고 정확한 이미지 디헤이징을 수행합니다. 웨이블릿 기반의 업샘플링 및 다운샘플링 블록과 주파수 인식 특징 정제 블록을 통해 계산 효율성과 성능 간의 우수한 균형을 달성합니다.
다중 스케일 정보를 효과적으로 활용하고 복잡한 빗줄기를 모델링하기 위해 양방향 다중 스케일 Transformer와 암시적 신경 표현을 결합한 접근법을 제안한다.
단일 흐릿한 이미지에서 다중 선명한 이미지를 추출하기 위해 글로벌 셔터 카메라와 롤링 셔터 카메라의 상호보완적인 특성을 활용한다.
자이로 센서 데이터를 효과적으로 활용하여 실제 카메라 움직임을 반영함으로써 단일 이미지 디블러링 성능을 크게 향상시킨다.
제안된 IPT-V2 모델은 국부적 및 전역적 토큰 상호작용을 동시에 구축하여 열화된 이미지의 세부 사항과 누락된 내용을 효과적으로 복원할 수 있다.
선택적 상태 공간 모델을 활용하여 지역 및 전역 특징을 효과적으로 집계함으로써 우수한 이미지 디블러링 성능을 달성한다.