EnlightenGAN: 짝을 이루는 감독 없이 깊은 빛 향상

딥러닝 기반 방법은 이미지 복원 및 향상에서 뛰어난 성공을 거두었지만, 짝을 이루는 훈련 데이터가 부족할 때에도 여전히 경쟁력이 있을까요? 이 논문에서는 실제로 동일한 시각적 장면의 저조도 사진과 일반 조도 사진을 동시에 촬영하는 것이 극히 어려운 저조도 이미지 향상 문제를 살펴봅니다. 우리는 저조도/일반조도 이미지 쌍 없이 훈련될 수 있지만, 다양한 실제 테스트 이미지에 대해 매우 잘 일반화되는 효과적인 비지도 생성적 적대 네트워크인 EnlightenGAN을 제안합니다. 지도 학습에 필요한 정답 데이터를 사용하지 않고, 대신 입력 자체에서 추출된 정보를 사용하여 비짝 짝 훈련을 규제하는 방안을 제시하며, 저조도 이미지 향상 문제를 위한 일련의 혁신적인 접근법들을 벤치마킹합니다. 이에는 전역-국소 판별기 구조, 자기 규제 지각 손실 융합, 주의 메커니즘 등이 포함됩니다. 광범위한 실험을 통해 제안된 접근법은 시각적 품질과 주관적인 사용자 연구 측면에서 최근의 방법들보다 우수한 성능을 보임을 입증하였습니다. 비짝 짝 훈련으로 인해 얻어진 높은 유연성 덕분에, EnlightenGAN은 다양한 영역의 실제 이미지를 쉽게 강화할 수 있음을 보여주었습니다. 코드는 \url{https://github.com/yueruchen/EnlightenGAN}에서 확인할 수 있습니다.