위키득계정 ↗
기술

RetinexNet

RetinexNet기술
관련 논문
Deep Retinex Decomposition for Low-Light Enhancement
분해 모듈
Decom-Net
밝기 조정
Enhance-Net
모형 관점
반사 및 조명 성분
RetinexNet은 저조도 이미지를 반사 성분과 조명 성분으로 분해하고 조명을 조정해 밝기를 개선하는 모델이다. 저조도·정상 조도 쌍에서 반사 성분의 일관성과 조명의 평활성 같은 제약을 학습에 활용한다.

밝기를 두 성분으로 보기

관측 이미지를 물체의 반사 특성과 조명으로 설명하는 Retinex 관점을 사용한다. 어두운 물체 자체와 조명이 약한 영역을 나누어 보려는 접근이다. 실제 영상의 모든 광학 현상을 이 단순 모형이 완벽하게 표현하는 것은 아니다.

분해 정답 없이 제약 학습

반사와 조명 각각의 정답을 직접 제공받는 대신 조도 쌍에서 반사 성분이 일관되도록 하고 조명을 평활하게 만드는 제약을 사용한다. 이미지 쌍을 사용한다는 사실과 물리적으로 정확한 두 성분의 정답이 있다는 사실은 다르다.

곱 분해의 모호함 예

설명용으로 관측 값 0.2는 반사 0.5와 조명 0.4의 곱이기도 하고 반사 0.25와 조명 0.8의 곱이기도 하다. 관측 한 값만으로 분해가 유일하지 않다. 학습 제약은 이런 모호함을 제한하지만 실제 반사와 조명을 측정한 보장은 아니다.

밝기 조정과 잡음 제거

분해한 조명은 개선망으로 조정하고 반사 성분에는 잡음 제거를 적용한다. 어두운 영역을 밝히면 색이나 잡음의 문제가 드러날 수 있다. 조명 경계의 후광과 미세 질감 보존을 확인하고 같은 조도 및 입력 조건에서 밝기, 색과 전체 처리 비용을 비교한다.

관련 문서

Zero-DCE / NAFNet / Restormer / DnCNN / FFDNet / 합성곱 신경망