Computer-vision3 Multi-Stage Progressive Image Restoration(MPRnet) 이미지 복원 작업은 spatial details 와 high-level contextualized information 사이의 균형이 필요함. MPRnet은 multi-stage architecture degraded input에 대한 restoration functions을 점진적으로 학습하여, 전체 restoration process를 보다 관리하기 쉬운 단계로 나눔 특히, Encoder-Decoder 구조로 -> contextualized feature를 학습 high-resolution branch로 -> local information을 유지 또한, 각 stage에서 local feature를 reweight하기 위해 supervised attention를 활용 (per-pixel adaptiv.. 2021. 10. 19. Optical blur(spatial response) estimation Calibrate 해야하는 imaging system의 최종 characteristic은 spatial response function으로, incoming image와 합성되는 optical blur를 인코딩하여 포인트 샘플 이미지를 생성. Point spread function이나 optical transfer function이라고도 알려져 있는 convolution kernel의 shape는, lens blur, radial distortion, 센서 앞에 있는 anti-aliasing filter 그리고, 각 활성 픽셀 영역의 모양과 범위를 포함한 몇몇 factor에 좌우된다. Multi-image super-resolution 및 de-blurring와 같은 application에는 이 기능에 .. 2020. 12. 31. Super-resolution 과 blur removal Super-resolution problem를 공식화하는 가장 중요한 방법은 확률적(stochastic) 이미지 형성 방정식과 이미지 pror를 기록한 다음 베이지안 추론을 사용하여 super-resolved 이미지를 복구하는 것. Image deblurring 에 사용되는 image formation equation(eq 1)을 일반화하여 이를 수행 할 수 있으며, 이는 blur kernel (PSF) 추정에도 사용됨. eq 1 : $ o(x, y) = b(x,y) * s(x,y) + n(x, y) $ Wiener filter를 도출하기 위해 주어진 방법론은 관찰된 이미지가 noisy blurred version의 경우로 쉽게 확장될 수 있다. (책에 Wiener filter에 관련된 내용이 나오는데 .. 2020. 12. 31. 이전 1 다음
