원래 사진보다 나은 표현
촬영된 원본도 가시성과 대비가 좋지 않을 수 있다. 영상 향상은 원본 픽셀을 그대로 유지하는 것보다 시각적 사용성을 높이는 목적을 가질 수 있다. 이 연구는 향상 영상의 품질 평가와 보정을 함께 다룬다.
특징에서 품질 점수로
대비, 선명도, 밝기 등을 분석한 17개 특징을 추출하고 큰 학습 표본으로 학습한 회귀 모듈로 점수를 낸다. 참조 영상 없이 평가하는 구성이므로 원본과의 차이를 직접 측정하는 점수는 아니다.
점수로 보정 안내하기
학습한 품질 측정의 안내로 히스토그램을 수정하며 밝기와 대비를 적절한 수준으로 조정한다. 낮은 대비나 저조도 영상, 안개 제거 결과 등 여러 종류를 다룬다. 최적화한 점수가 실제 용도의 모든 품질을 대표하는지 별도로 확인해야 한다.
점수 개선의 독립 예
설명용으로 어두운 글자를 밝게 보정해 읽기 쉬워져도 작은 하이라이트의 계조가 사라질 수 있다. 전체 점수 상승과 모든 영역의 정보 보존은 다르다. 실제 연구 결과를 옮기지 않은 향상 목표와 부작용의 예다.
관련 문서
Zero-DCE / RetinexNet / DDB-Net 야간 품질 평가 / NIQE / BRISQUE / MSTRIQ