초록
다양한 조명 조건, 예를 들어 낮과 밤의 이미지에서의 이미지 검색은 수작업 및 학습된 이미지 사전 처리를 통해 해결됩니다. 컨벌루션 신경망으로 이미지 설명자를 추출하기 전에, 이미지는 광도적으로 정규화되어 설명자가 조명 변화에 덜 민감하도록 합니다. 우리는 U-Net 구조를 기반으로 하는 학습 가능한 정규화 방법을 제안하며, 이는 단일 카메라 다중 노출 이미지와 낮과 밤에 촬영된 유사한 랜드마크 뷰의 새로 구성된 컬렉션을 사용하여 훈련됩니다. 실험 결과, 지역 히스토그램 평준화를 기반으로 한 수작업 정규화와 학습 가능한 정규화가 다양한 조명 조건에서 표준 접근법보다 우수함을 보였으며, 옥스퍼드나 파리 데이터셋과 같은 주간 조명 벤치마크에서는 최신 방법들과 비슷한 성능을 보임을 확인하였습니다.