다중 카메라를 위한 하이퍼네트워크 기반 양방향 ISP :Hypernetwork-based Forward and Inverse ISPs for Multiple Cameras

김건우

추천

검색

자료유형: 학위논문

저자정보: 김건우 (포항공과대학교, 포항공과대학교 일반대학원)

지도교수: 조성현

발행연도: 2023

저작권: 포항공과대학교 논문은 저작권에 의해 보호받습니다.

이용수2

이 논문의 연구 히스토리 (2)

2023

다중 카메라를 위한 하이퍼네트워크 기반 양방향 ISP

김건우 컴퓨터공학과 2023.01 학위논문

2022

복수의 카메라를 위한 하이퍼네트워크 기반 적응적 역 ISP

김건우 , 백승환 , 이승용 외 1명 한국정보과학회 학술발표논문집 2022.12 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

RAW images store physically-meaningful recordings of light intensity that can benefit various computational-photography tasks such as denoising and photo retouching. However, RAW images are rarely shared mainly due to its excessive data size compared to their sRGB counterparts processed by a series of internal image processing operations in camera ISPs. Learning the forward and inverse processes of camera ISPs has been recently demonstrated, enabling RAW-level image processing on sRGB images. However, existing learning-based ISP methods fail to handle the large variation in the ISP processes of different cameras and their dynamic behaviors with respect to ISP parameters, as they consider neither multiple cameras nor ISP parameters. In this paper, we propose HyperISP, a learning-based method for forward and inverse conversion between sRGB and RAW images, that adopts a hypernetwork to model the variation caused by different cameras and ISP parameters. Given a specific camera model and ISP parameters, the hypernetwork modulates the forward and inverse ISP networks to adapt them to the camera and parameters. Extensive experiments demonstrate that HyperISP can successfully adapt to different cameras and ISP parameters, and achieve superior reconstruction results to previous methods.

1. Introduction 1
2. Related Work 4
3. Method 5
3.1 Forward ISP Network 5
3.1.1 Canonical Operation Block 5
3.1.2 LocalNet and GlobalNet 6
3.2 Inverse ISP Network 9
3.3 AdaptNet 9
3.4 Training 11
4. Experiments 13
4.1 Ablation Study 13
4.1.1 HyperISP vs Individual ISPs 13
4.1.2 Ablation Study of the Input Features 15
4.1.3 Ablation Study of the ISP Parameters 16
4.1.4 Ablation Study of the Network Components 18
4.2 Comparison on RAW & sRGB Reconstruction 19
4.2.1 sRGB-to-RAW Reconstruction 20
4.2.2 RAW-to-sRGB Reconstruction 22
4.2.3 Cyclic sRGB Reconstruction 24
4.3 HyperISP for Single Camera Dataset 26
4.4 Camera-to-Camera Transfer 27
4.5 Additional Examples 27
5. Conclusion 34
5.1 Limitation 34
5.2 Future Works 34
Summary (in Korean) 35
References 36

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)