소수 샘플 도메인 적응을 통한 저조도 RAW 이미지 향상

낮은 조도에서의 원시(raw) 이미지 개선은 짧은 노출 시간과 제한된 조명으로 인해 심각한 노이즈와 색상 왜곡이 발생하기 때문에 실용적으로 매우 어려운 과제이다. 기존의 컨볼루션 신경망(Convolutional Neural Network, CNN) 기반 방법들은 성공을 거두었지만, 각기 다른 카메라 도메인에 대해 성능이 적응되지 못하는 문제가 있다. 또한 이러한 방법들은 각 카메라 도메인에 대해 짧은 노출과 그에 해당하는 긴 노출 기준 이미지(ground truth)를 포함한 대규모 데이터셋이 필요하며, 이러한 데이터셋을 수집하는 과정은 매우 번거롭다. 이 문제를 해결하기 위해, 우리는 기존의 소스 카메라 레이블 데이터를 활용하여 타겟 카메라 도메인에서 매우 적은 수의 레이블된 샘플만을 사용함으로써 극저조도 이미지 처리 품질을 향상시키는 새로운 소수 샘플 도메인 적응(few-shot domain adaptation) 방법을 제안한다. 실험 결과, 타겟 카메라 도메인에서 단 10개 이하의 레이블된 샘플만으로도 대규모 타겟 카메라 레이블 데이터셋으로 모델을 학습한 경우와 유사하거나 더 우수한 성능을 달성할 수 있음을 확인하였다. 본 연구 분야의 발전을 지원하기 위해, 니콘(Nikon) 카메라를 사용하여 촬영한 새로운 저조도 원시 이미지 데이터셋도 제시한다. 이 데이터셋은 짧은 노출 이미지와 그에 해당하는 긴 노출 기준 이미지를 포함하고 있다.