DeepLPF: 이미지 증강을 위한 딥 로컬 파라메트릭 필터

디지털 아티스트들은 수작업으로 사진을 보정함으로써 디지털 사진의 미적 품질을 향상시키는 경우가 많다. 전역적 조정을 넘어서 전문적인 이미지 편집 프로그램은 이미지의 특정 영역에 작용하는 국소적 조정 도구를 제공한다. 이러한 도구에는 파라미터 기반(그라데이션, 레디얼 필터)과 제약 없는 브러시 도구가 포함된다. 이러한 고도로 표현력이 풍부한 도구들은 다양한 국소적 이미지 개선을 가능하게 한다. 그러나 이러한 도구의 사용은 시간이 오래 걸리며 예술적 역량이 필요하다. 최신의 자동 이미지 개선 기법은 일반적으로 픽셀 단위 또는 전역적 개선을 학습하는 데 집중한다. 전자는 노이즈가 많고 해석이 어렵고, 후자는 세밀한 조정을 포착하지 못할 수 있다. 본 논문에서는 세 가지 유형의 공간적으로 국소화된 필터(타원형 필터, 그라데이션 필터, 다항식 필터)를 학습하여 이미지를 자동으로 개선하는 새로운 접근법을 제안한다. 우리는 이러한 공간적으로 국소화된 필터의 파라미터를 회귀하는 딥 신경망인 Deep Local Parametric Filters(DeepLPF)를 도입한다. 이 모델은 학습된 필터 파라미터를 자동으로 추출하여 이미지 개선에 적용한다. DeepLPF는 자연스러운 모델 정규화를 제공하며, 해석 가능하고 직관적인 조정을 가능하게 하여 시각적으로 매력적인 결과를 도출한다. 여러 벤치마크를 통해 DeepLPF가 MIT-Adobe-5K 데이터셋의 두 가지 변형에서 최신 기술 수준의 성능을 달성함을 보고하며, 경쟁 기법에 비해 필요한 파라미터 수의 일부만으로도 뛰어난 성능을 발휘함을 확인하였다.