영역 병합을 통한 이미지 벡터화의 형식화
이 논문은 영역 병합과 곡선 평활화를 결합한 일반적인 이미지 벡터화 방법을 제안한다. 이를 위해 이미지 분할을 나타내는 이중 그래프와 프라이머리 그래프 구조를 도입하고, 다양한 영역 병합 기준을 탐구하며, 곡선 평활화 과정에서의 위상 보존을 분석한다. 제안된 일반적인 벡터화 방법은 직관적인 매개변수에 의해 명확하게 제어되며, 기존 최신 기법들과 비교하여 충실도와 비용 효율성이 우수한 것으로 나타났다.
역변환 ResNet을 이용한 역문제 영상 복원: 이론적 정규화 특성과 경쟁력 있는 성능
역변환 ResNet 기반 접근법은 이론적 정규화 특성과 경쟁력 있는 성능을 제공한다.
영상 복원을 위한 반복적 방법에서의 GCV와 χ2 검정을 통한 정규화 매개변수 선택
반복적 방법인 Split Bregman과 Majorization-Minimization에서 발생하는 내부 최소화 문제의 정규화 매개변수를 GCV와 χ2 검정을 통해 자동으로 선택하는 방법을 제안한다. 이를 통해 고정된 매개변수를 사용하는 것보다 더 효과적인 결과를 얻을 수 있다.
고효율 SDR에서 HDR로의 변환 방법: FastHDRNet
제안된 FastHDRNet은 경량화된 구조와 향상된 추론 속도로 최신 성능을 달성한다.
영상 잡음 제거를 위한 가중 구조 텐서 전체 변동량
가중 행렬을 구조 텐서 전체 변동량 모델에 적용하여 영상의 국부 정보를 효과적으로 포착하고 세부 사항을 유지할 수 있는 새로운 영상 잡음 제거 모델을 제안한다.
적응형 유한요소법을 이용한 전체 변동 기반 운동 추정
이 연구는 전체 변동 기반 L1-L2-TV 함수를 최소화하기 위한 적응형 유한요소 프라이멀-듀얼 반복 뉴턴 방법을 제안한다. 이를 통해 대규모 변위를 가진 영상 시퀀스의 광학 흐름을 효과적으로 추정할 수 있다.
실시간 조명 변조를 통한 이벤트 기반 비동기 HDR 영상 처리
DVS 센서의 비동기 픽셀 트리거링 특성과 LCD 패널을 이용한 실시간 조명 변조를 결합하여 HDR 영상을 효과적으로 복원할 수 있는 AsynHDR 시스템을 제안하였다.
영상 처리를 위한 정규화 매개변수의 화이트니스 기반 이중 수준 학습
본 연구는 부가 백색 가우시안 잡음이 있는 영상 역문제에서 정규화 매개변수를 최적화하기 위한 무감독 이중 수준 학습 접근법을 제안한다. 제안된 방법은 참조 데이터나 잡음 통계에 대한 사전 지식 없이도 잔차의 화이트니스를 최대화하여 최적의 매개변수를 추정할 수 있다.
곡률 정규화를 통한 샘플링 데이터로부터의 비가시광 영상 재구성
비가시광 영상의 곡률 정규화 모델을 통해 효율적인 재구성 알고리즘을 제안하고 성능을 평가함.
