제로-리퍼런스 딥 커브 추정을 이용한 저조도 이미지 향상

본 논문은 빛 증강을 주어진 이미지에 대한 커브 추정 작업으로 정식화한 새로운 방법, 제로-리퍼런스 딥 커브 추정 (Zero-DCE)을 제시합니다. 본 방법은 경량화된 딥 네트워크인 DCE-넷을 훈련하여, 주어진 이미지의 동적 범위 조정을 위해 픽셀 단위 및 고차 커브를 추정합니다. 커브 추정은 픽셀 값 범위, 단조성, 그리고 미분 가능성 등을 고려하여 특별히 설계되었습니다. Zero-DCE는 참조 이미지에 대한 가정이 완화되어, 훈련 과정에서 어떤 짝을 이룬 데이터나 짝을 이루지 않은 데이터도 필요하지 않습니다. 이는 참조를 사용하지 않는 손실 함수들의 세트를 통해 달성되며, 이들 손실 함수들은 암시적으로 증강 품질을 측정하고 네트워크 학습을 유도합니다. 본 방법은 직관적이고 간단한 비선형 커브 매핑을 통해 이미지 증강이 가능하므로 효율적입니다. 이러한 간단함에도 불구하고, 다양한 조명 조건에 대해 잘 일반화됨을 보여줍니다. 다양한 벤치마크에서 수행된 광범위한 실험들은 본 방법이 최신 기술과 비교해 질적 및 양적으로 우수함을 입증합니다. 또한 Zero-DCE가 어두운 환경에서 얼굴 검출에 미치는 잠재적인 혜택에 대해 논의됩니다. 코드와 모델은 https://github.com/Li-Chongyi/Zero-DCE에서 제공될 예정입니다.