DPEC: 저조도 이미지 선명도 향상을 위한 이중 경로 오차 보상 방법

저조도 이미지 증강 작업에서 딥러닝 기반 알고리즘은 전통적인 방법에 비해 우수성과 효과성을 입증해왔다. 그러나 이러한 방법들은 주로 Retinex 이론에 기반하고 있어 입력 이미지 내의 노이즈와 색상 왜곡을 간과하는 경향이 있으며, 결과적으로 증강된 이미지에서 노이즈가 심하게 증폭되고 국소적인 색상 왜곡이 발생하는 문제가 있다. 이러한 문제를 해결하기 위해, 우리는 저조도 환경에서 이미지 품질을 향상시키기 위해 국소적인 텍스처 세부 정보를 보존하면서 전반적인 밝기 복원을 수행하면서 노이즈 증폭을 방지할 수 있도록 설계된 이중 경로 오차 보정(Dual-Path Error Compensation, DPEC) 방법을 제안한다. DPEC는 미세한 차이를 정확히 포착하기 위해 픽셀 단위의 정밀 오차 추정을 도입하고, 노이즈 증폭을 막기 위한 독립적인 노이즈 제거 메커니즘을 포함한다. 또한, 증강된 이미지의 밝기 분포가 실제 환경 조건과 일치하도록 보장하기 위해 HIS-Retinex 손실 함수를 도입하여 DPEC의 학습을 안내한다. DPEC의 학습 과정에서 전반적인 맥락을 포괄적으로 이해하기 위해 계산 속도와 자원 효율성을 균형 있게 유지하기 위해 VMamba 아키텍처를 백본에 통합하였다. 광범위한 정량적 및 정성적 실험 결과를 통해 제안하는 알고리즘이 저조도 이미지 증강 분야에서 최신 기술을 크게 능가함을 입증하였다. 코드는 공개적으로 https://github.com/wangshuang233/DPEC 에서 제공된다.