HDR 영상의 대비 개선을 위한 가상 노출 융합 CNN 모델 설계 = A Design of Virtual Exposure Fusion CNN to enable Contrast Enhancement of HDR Images
서로 다른 노출 값을 가진 2장의 영상으로 고품질의 HDR 영상을 만들어 내기 위해서는 노출 영상 쌍의 동적 범위가 겹치지 않는 극단적인 노출 영상을 선택해야 한다. 하지만 기존의 알고리즘으로 이러한 두 영상을 융합할 경우 영상 간의 큰 밝기 차이로 인해 결과 영상의 밝기가 균일하지 못하다. 최근에는 이러한 두 영상을 자연스럽게 융합하기 위해서 다양한 컴퓨터 비전 분야에서 눈부신 성능을 보이는 CNN을 기반으로 하여 노출 융합을 하는 연구가 진행되고 있다. 이는 크게 특징 추출 계층과 특징 융합 계층, 특징 재구성 계층으로 되어 있으며, 극단적인 노출 영상쌍이 자연스럽게 합성될 수 있도록 구조적 유사성을 결정할 수 있는 손실 함수를 정의하였다. 하지만 기존의 손실 함수에는 밝기, 대비 등에 대한 지표가 반영되어 있지 않기 때문에 결과 영상의 대비와 밝기가 단노광과 장노광의 평균 정도로 수렴하여 단조로운 느낌을 준다.
본 논문에서는 이를 해결하는 방안으로 CNN 구조와 손실 함수를 재정의 하고자 한다. 먼저 여러 스케일에서의 유의미한 특성을 추출할 수 있도록 atrous convolution을 추가한 멀티 스케일 CNN 구조를 제시하였다. 또한 결과 영상의 대비와 밝기 개선을 위해 HDR 영상의 품질 평가 시 많이 활용되는 TMQI를 멀티 스케일 CNN 구조에 적용하였다. 제안하는 기법은 정량적 평가 지표와 정성적 평가 지표를 통해 제안하는 방법의 우수성을 입증하고자 한다.
In order to produce high quality HDR images with two images with different exposure values, it is necessary to choose an extreme exposure image that does not overlap the dynamic range of the exposure pair. However, when these two images are fused with the existing algorithm, the brightness of the resulting image is not uniform due to the large difference in brightness between the images. Recently, research has been conducted on exposure fusion based on CNN which shows remarkable performance in various computer vision fields in order to naturally fuse these two images. It consists of feature extraction layer, feature fusion layer, and feature reconstruction layer, and defines a loss function that can determine structural similarity so that extreme exposure image pairs can be naturally synthesized. However, the existing loss function does not reflect the brightness, contrast, etc., so the contrast and brightness of the resulting image converge to the average of short and long exposures, giving a monotonous feeling.
In this paper, we attempt to redefine the CNN structure and loss function as a solution. First, a multi-scale CNN structure with atrous convolution is presented to extract significant characteristics at various scales. In addition, TMQI, which is widely used to evaluate the quality of HDR images, is applied to the multi-scale CNN structure to improve the contrast and brightness of the resulting images. The proposed technique aims to demonstrate the superiority of the proposed method through quantitative and qualitative indicators.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)