방향 인식 공간적 맥락 특징을 이용한 그림자 검출 및 제거

그림자 검출과 그림자 제거는 전반적인 이미지 의미를 이해해야 하는 기본적이면서도 도전적인 작업입니다. 본 논문에서는 방향 인식을 고려한 공간적 맥락 분석을 통해 그림자 검출 및 제거를 위한 새로운 딥 뉴럴 네트워크 설계를 제시합니다. 이를 위해 먼저, RNN에서 공간적 맥락 특성을 집계할 때 주의 가중치(attention weights)를 도입하여 방향 인식 주의 메커니즘(direction-aware attention mechanism)을 정식화하였습니다. 이러한 가중치를 학습을 통해 회복함으로써, 그림자 검출과 제거에 필요한 방향 인식 공간적 맥락(DSC, Direction-Aware Spatial Context)을 얻을 수 있습니다. 이 설계는 DSC 모듈로 발전되어 CNN(Convolutional Neural Network) 내에 통합되어 다양한 수준에서 DSC 특성을 학습할 수 있도록 하였습니다. 또한, 그림자 검출 학습의 효과성을 높이기 위해 가중 크로스 엔트로피 손실(weighted cross entropy loss) 함수를 설계하였으며, 유럽 거리(Euclidean loss function)와 색상 전송 함수(color transfer function)를 사용하여 훈련 쌍에서 발생하는 색상과 명도 불일치 문제를 해결하기 위해 그림자 제거에도 적용하였습니다. 우리는 두 개의 그림자 검출 벤치마크 데이터셋과 두 개의 그림자 제거 벤치마크 데이터셋을 사용하여 다양한 실험을 수행하였으며, 실험 결과는 우리의 방법이 기존 최신 방법들(state-of-the-art methods)보다 우수한 성능을 보임을 입증하였습니다.번역 요구 사항:1. 내용 정확성: 전문 용어, 기술 개념, 기관 이름, 사람 이름 등을 올바르게 번역하고 학술 또는 과학 기사 작성 방식에 맞도록 하였습니다.2. 표현 유창성: 한국어 표현 습관에 맞는 단어 선택과 문장 순서를 사용하여 직역하지 않고 자연스럽게 이해할 수 있도록 하였습니다.3. 표현 공식성: 공식적이고 객관적인 과학 또는 학술 글쓰기 스타일을 채택하여 구어체 표현을 피하였습니다.4. 원문 충실성: 원문 내용과 높은 일치성을 유지하면서 원래 의도를 보존하는 기초 위에서 문장 구조를 최적화하였습니다.과학/학술 용어 처리:- 일반적으로 사용되는 용어는 표준 번역법을 따랐으며 전문성을 유지하였습니다.- 비표준 용어는 한국어 번역 후 괄호 안에 원문을 표기하여 정보의 완전성을 확보하였습니다.