PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.02675v1eess.IV

하나의 광자, 다양한 세계: 단일 광자 카메라를 통한 사후 확률 및 예측

One Photon, Many Worlds: Posteriors and Predictions with Single-Photon Cameras

단일 광자 눈사태 다이오드(SPAD) 카메라는 광자 계수(photon-counting) 특성으로 인해 기존 카메라와 근본적으로 다르게 작동합니다. 각 프레임은 이진 이미지를 생성합니다. 즉, 노출 시간 동안 광자가 도달하지 않은 픽셀은 0을, 하나 이상의 광자가 도달한 픽셀은 1을 기록합니다. 단일 이진 프레임으로부터 장면을 재구성하거나 그 특성을 추론(inference)하는 것은 여러 서로 다른 이미지가 동일한 측정값을 생성할 수 있기 때문에 어렵습니다. 따라서 이 역문제(inverse problem)는 근본적으로 일대다(one-to-many) 관계를 가집니다. 더 많은 이진 측정값을 수집할수록 역문제 및 관련 추론에 내재된 불확실성은 감소합니다. 광자 수가 충분해지면 신호 평균에 비해 광자 노이즈가 무시할 수 있는 수준이 되어 거의 결정론적인 장면 복원 및 추론이 가능해집니다. 본 연구는 광자 예산(photon budget)이 증가함에 따라 확률적 장면 이해에서 거의 결정론적인 장면 이해로 전환되는 과정을 규명하고, 광자 도달의 확률성이 하류(downstream) 추론 작업에 미치는 영향을 분석합니다. 기술적으로는 누적된 이진 SPAD 측정값을 위해 초기하 프레임 박형화(Hypergeometric frame-thinning) 과정을 기반으로 하는 조건부 생성 프레임워크를 개발합니다. 생성 모델은 광자가 극도로 부족한(photon-starved) 역문제의 일대다 특성을 포착하여, 측정값이 증가함에 따라 이러한 모호성이 어떻게 감소하는지와 문자 인식, QR 코드 디코딩, 얼굴 분석과 같은 하류 작업에 미치는 영향을 실증적으로 규명할 수 있도록 합니다.

arXiv:2606.13136v1cs.CV

픽셀 빈 이미지 센서 디모자이킹을 위한 확장 가능하고 경량화된 통합 아키텍처

An Extensible and Lightweight Unified Architecture for Demosaicing Pixel-bin Image Sensors

픽셀 빈(pixel-bin) 이미지 센서는 해상도와 광 수집 능력 간의 트레이드오프로 인해 스마트폰 카메라의 기본 선택지로 자리잡고 있다. 그러나 베이어(Bayer) 컬러 필터 배열(CFA)에 비해 색상 간 분리 거리가 크기 때문에 디모자이킹(demosaicing)이 어렵다는 문제가 있다. 더불어 기존 딥러닝 기반 디모자이킹 방법들은 특정 CFA에 종속되어 있어, 온보드 리소스를 많이 소모하는 다수의 개별 모델이 필요하고 개발 및 유지 관리 비용이 크다. 본 연구에서는 다양한 픽셀 빈 센서의 디모자이킹을 위한 모듈형 통합 아키텍처를 제안하며, 이는 확장 가능하고 경량화된 구조를 유지하면서 더 높은 화질을 제공한다. 또한 플러그 앤 플레이(plug-and-play) 동작을 가능하게 하기 위해, 학습 없이도 RAW 데이터의 CFA 유형을 정확히 식별하는 CFA 식별 모듈을 도입한다.