본 연구는 저조도 이미지 향상을 위한 반지도 학습 기반 프레임워크인 Semi-LLIE를 제안한다. Semi-LLIE는 다음과 같은 핵심 구성요소를 포함한다:
의미 인식 대조 손실 함수: 교사 모델의 조명 분포를 학생 모델에 효과적으로 전달하여 향상된 이미지의 자연스러운 색상을 보장한다.
Mamba 기반 저조도 이미지 향상 백본: 다중 스케일 국부 특징 학습 기법을 통해 향상된 이미지의 풍부한 텍스처 정보를 복원한다.
RAM 기반 지각 손실 함수: 강력한 텍스트 기반 비전 특징을 활용하여 향상된 이미지의 세부 텍스처를 개선한다.
실험 결과, Semi-LLIE는 기존 최신 방법들에 비해 정량적, 정성적 측면에서 모두 우수한 성능을 보였다. 특히 실제 저조도 환경에서 자연스러운 색상과 풍부한 텍스처를 가진 향상된 이미지를 생성할 수 있음을 확인하였다.
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Guanlin Li, ... às arxiv.org 09-26-2024
https://arxiv.org/pdf/2409.16604.pdfPerguntas Mais Profundas