다중 스케일 사진 노출 보정 학습

카메라 기반 이미징에서 노출이 잘못된 사진 촬영은 여전히 주요 오류 원인 중 하나입니다. 노출 문제는 다음과 같이 두 가지로 분류됩니다: (i) 과노출, 카메라 노출 시간이 너무 길어 밝고 흐린 이미지 영역이 발생하는 경우, 또는 (ii) 저노출, 노출 시간이 너무 짧아 어두운 영역이 발생하는 경우입니다. 저노출과 과노출 모두 이미지의 대비와 시각적 매력을 크게 감소시킵니다. 이전 연구는 주로 저노출 이미지나 일반적인 이미지 강화에 초점을 맞추었습니다. 반면에, 우리 제안 방법은 사진에서 저노출과 과노출 오류를 모두 대상으로 합니다. 우리는 노출 교정 문제를 두 가지 주요 하위 문제로 정식화하였습니다: (i) 색상 강화와 (ii) 세부 강화입니다. 이에 따라, 각 하위 문제를 별도로 해결할 수 있는 엔드투엔드 방식으로 학습 가능한 거칠기부터 세밀한 깊은 신경망(DNN) 모델을 제안합니다. 우리 솔루션의 핵심 측면은 현재까지 가장 넓은 범위의 노출 값을 가진 24,000장 이상의 새로운 데이터셋과 해당 데이터셋에 대한 적절하게 노출된 이미지를 포함하고 있다는 것입니다. 우리의 방법은 저노출 이미지에서 기존 최신 방법들과 비슷한 결과를 달성하며, 과노출 오류가 있는 이미지에서는 상당한 개선을 보여줍니다.