PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.06899v1cs.CV

제어 가능한 조명 변화 하에서의 조명 인지 표현 학습

Lighting-Aware Representation Learning under Controllable Lighting Variation

조명의 변화는 환경 간 및 환경 내에서 상당한 외관 변화를 유발하기 때문에 시각적 표현 학습의 주요 과제로 남아 있습니다. 기존 접근 방식은 일반적으로 모델이 조명 변화에 불변(invariant)해지도록 유도하는 데이터 증강을 통해 이 문제를 해결하지만, 이러한 전략은 학습 과정에서 조명 정보를 명시적으로 모델링하지 않습니다. 인간 시각 이론에서 영감을 받아, 우리는 조명 변화를 억제해야 할 방해 요인이 아닌 명시적인 학습 신호로 통합하는 조명 인지 표현 학습 프레임워크를 제안합니다. 우리의 방법은 렌더링된 장면에서 조명 의존적 변화를 포착하는 보조 목적함수를 도입하여 대조 학습을 확장하며, 이를 통해 모델이 조명 의존적 시각 구조에 민감하면서도 의미적 일관성을 유지하는 표현을 공동으로 학습할 수 있게 합니다. 우리는 ImageNet, ExDark, PASCAL VOC 벤치마크에서 이미지 분류 및 객체 검출 작업에 대해 제안된 모델을 평가했습니다. 결과는 제안된 조명 인지 학습이 동일한 아키텍처와 학습 예산을 유지하면서도 표준 대조 학습 기준선에 비해 다운스트림 성능을 일관되게 향상시킴을 보여줍니다. 또한, 우리의 접근 방식은 지도 학습 프레임워크와 더 단순한 조명 변화가 포함된 설정에서도 유망한 성능을 보여주어, 복잡한 조명 시나리오를 넘어선 광범위한 적용 가능성을 시사합니다. 이러한 결과는 복잡한 시각적 환경과 더 일반적인 이미지 처리 작업 모두에서 모델의 견고성과 적응성을 향상시킬 잠재력을 나타냅니다.