초록
야간 사진은 보통 저조도와 블러링 문제로 인해 고통받습니다. 이는 어두운 환경과 장노출의 일반적인 사용 때문입니다. 기존의 조명 향상 및 디블러링 방법들은 각각의 문제를 개별적으로 해결할 수 있었지만, 이러한 방법들을 연속적으로 적용하면 시각적 가시성과 질감의 복합적인 저하를 효과적으로 처리할 수 없습니다. 또한, 저조도와 블러가 공존하는 데이터 쌍이 없기 때문에 엔드투엔드 네트워크를 훈련시키는 것도 불가능합니다. 우리는 이 문제를 해결하기 위해 현실적인 저조도 블러링 저하를 모델링하는 새로운 데이터 합성 파이프라인을 소개합니다. 이 파이프라인을 통해, 가시성 향상과 디블러링을 동시에 수행하기 위한 첫 번째 대규모 데이터셋을 제시합니다. 이 데이터셋인 LOL-Blur는 다양한 어두움과 움직임 블러가 포함된 12,000개의 저블러/일반sharp(シャープ) 쌍을 포함하며, 여러 상황에서 발생할 수 있는 다양한 조건을 반영하고 있습니다. 또한, 우리는 LEDNet이라는 효과적인 네트워크를 제안하여 저조도 환경에서의 가시성 향상과 디블러링을 동시에 수행합니다. 우리의 네트워크는 두 가지 상호 연결된 작업 간의 시너지를 고려하도록 특별히 설계되어 독특합니다. 제안된 데이터셋과 네트워크는 이 도전적인 복합적 작업에 대한 기초를 제공합니다. 광범위한 실험 결과, 우리의 방법이 합성 데이터셋뿐만 아니라 실제 세계 데이터셋에서도 효과적임을 입증하였습니다.