초록
저조도 이미지 향상은 밝기 복원뿐만 아니라 색상 왜곡과 노이즈와 같은 복잡한 문제를 고려해야 하는 어려운 과제입니다. 이러한 문제들은 일반적으로 어두운 부분에 숨어 있습니다. 저조도 이미지의 밝기를 단순히 조정하면 이러한 아티팩트들이 불가피하게 증폭됩니다. 이 문제를 해결하기 위해, 본 논문에서는 다중 분기 합성 신경망을 기반으로 한 새로운 엔드투엔드 주의 지도 방법을 제안합니다.이를 위해, 먼저 저조도 시뮬레이션 전략을 철저히 설계하여 합성 데이터셋을 구축하였습니다. 이 데이터셋은 기존 데이터셋보다 훨씬 크고 다양합니다. 새로운 데이터셋으로 학습함으로써, 제안된 방법은 밝기 향상과 노이즈 제거 작업을 각각 안내하는 두 개의 주의 맵을 학습합니다. 첫 번째 주의 맵은 노출 부족 영역과 적절히 조명된 영역을 구분하고, 두 번째 주의 맵은 노이즈와 실제 질감을 구분합니다. 이들의 안내 하에, 제안된 다중 분기 분해-합성 향상 네트워크는 입력에 적응하는 방식으로 작동합니다. 또한, 강화 네트워크(reinforcement-net)가 출력 이미지의 색상과 대비를 더욱 향상시킵니다.다양한 데이터셋에서 수행된 광범위한 실험 결과, 제안된 방법이 저조도 이미지에 대해 높은 충실도의 향상 결과를 생성하며, 양적 및 시각적으로 현존하는 최신 방법들보다 크게 우수함을 입증하였습니다.