| 1 |
1
(a) 각 다중 노출 영상을 딥러닝 모델에 적용하여 특징 레벨에서 공통 성분(common component)과 개별 성분(residual component)으로 각각 분해하는 단계;(b) 상기 각각의 개별 성분을 융합하고, 상기 각각의 공통 성분을 융합하는 단계; 및(c) 상기 융합된 개별 성분과 상기 융합된 공통 성분을 더하여 재건 영상을 생성하는 단계를 포함하는 딥러닝 분해 기반 다중 노출 영상 융합 방법
|
| 2 |
2
제1 항에 있어서,상기 딥러닝 모델은 동일한 장면에 대해 서로 다른 노출 조건으로 획득된 상기 각 다중 노출 영상이 각각 동일한 공통 성분을 가지도록 등화 손실을 고려하여 학습되는 것을 특징으로 하는 딥러닝 분해 기반 다중 노출 영상 융합 방법
|
| 3 |
3
제2 항에 있어서,상기 딥러닝 모델은,상기 분해된 각 공통 성분과 각 개별 성분이 상기 각 다중 노출 영상과 동일한 단일 영상으로 결합되도록 시각화 손실을 고려하여 가중치가 학습되는 것을 특징으로 하는 딥러닝 분해 기반 다중 노출 영상 융합 방법
|
| 4 |
4
제1 항에 있어서,상기 (b) 단계에서, 공간 어텐션 가중치 맵을 이용하여 상기 각 개별 성분들을 융합하는 것을 특징으로 하는 딥러닝 분해 기반 다중 노출 영상 융합 방법
|
| 5 |
5
제3 항에 있어서,상기 딥러닝 모델은,상기 융합된 공통 성분과 상기 융합된 개별 성분으로 재구성된 출력 영상과 상기 다중 노출 영상과의 차이를 고려한 재구성 손실이 최소가 되도록 학습되는 것을 특징으로 하는 딥러닝 분해 기반 다중 노출 영상 융합 방법
|
| 6 |
6
제1 항 내지 제5 항 중 어느 하나의 항에 따른 방법을 수행하기 위한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체
|
| 7 |
7
각 다중 노출 영상을 딥러닝 모델에 적용하여 특징 레벨에서 공통 성분(common component)과 개별 성분(residual component)으로 각각 분해하는 분해부;상기 각각의 개별 성분을 융합하고, 상기 각각의 공통 성분을 융합하는 융합부; 및 상기 융합된 개별 성분과 상기 융합된 공통 성분을 이용하여 재구성된 출력 영상을 생성하는 재구성부를 포함하되, 상기 딥러닝 모델은 각 다중 노출 영상을 분해한 각 공통 성분들간의 등화 손실이 최소가 되도록 학습되는 것을 특징으로 하는 딥러닝 분해 기반 다중 노출 영상 융합 장치
|
