이미지 향상용 다중 변환 함수 추정

대부분의 딥러닝 기반 이미지 향상 알고리즘은 이미지 간 번역(image-to-image translation) 접근법에 기반하여 개발되었으며, 이러한 방법에서는 이미지 향상 과정이 해석하기 어렵다는 한계가 있다. 본 논문에서는 복잡한 색상 매핑을 설명하기 위해 다수의 변환 함수를 추정하는 새로운 해석 가능한 이미지 향상 알고리즘을 제안한다. 먼저, 입력 이미지의 공간적 정보와 통계적 정보를 동시에 활용하여 다수의 변환 함수를 추정하는 히스토그램 기반 다중 변환 함수 추정 네트워크(HMTF-Net)를 개발한다. 두 번째로, 각 변환 함수가 각 픽셀에서 기여하는 정도를 나타내는 픽셀 단위 가중치 맵을, 입력 이미지와 각 변환 함수에 의해 변환된 이미지의 국소 구조를 기반으로 추정한다. 마지막으로, 추정된 가중치 맵을 사용하여 변환된 이미지들의 가중합으로 최종 향상된 이미지를 생성한다. 광범위한 실험을 통해 제안된 방법의 효과성을 확인하였으며, 다양한 이미지 향상 작업에서 기존 최첨단 알고리즘들을 능가함을 입증하였다.