PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2604.11788v2cs.CV

로그 인코딩 기반 잠재 정렬을 통한 HDR 비디오 생성

HDR Video Generation via Latent Alignment with Logarithmic Encoding

고동적범위(High Dynamic Range, HDR) 영상은 장면의 광도(scene radiance)를 풍부하고 충실하게 표현하지만, 생성 모델이 학습되는 유계(bounded)이며 지각적으로 압축된 데이터와의 불일치로 인해 생성 모델에게 여전히 까난한 과제로 남아 있습니다. 자연스러운 해결책은 HDR을 위한 새로운 표현을 학습하는 것이지만, 이는 추가적인 복잡성과 데이터 요구량을 수반합니다. 본 연구에서는 사전학습된 생성 모델이 이미 포착한 강력한 시각적 사전 지식(visual priors)을 활용함으로써 훨씬 단순한 방식으로 HDR 생성을 달성할 수 있음을 보여줍니다. 저자들은 영화 제작 파이프라인에서 널리 쓰이는 로그 인코딩(logarithmic encoding)이 HDR 영상을 이러한 모델들의 잠재 공간과 자연스럽게 정렬(align)되는 분포로 매핑하여, 인코더를 재학습하지 않고도 경량 미세조정을 통한 직접적인 적응을 가능하게 한다는 점을 관찰했습니다. 또한 입력에서 직접 관찰할 수 없는 세부 정보를 복원하기 위해, 모델이 학습된 사전 지식으로부터 누락된 고동적범위 콘텐츠를 추론하도록 유도하는 카메라 모방 열화 기반 학습 전략을 도입합니다. 이러한 통찰을 결합하여 최소한의 적응만으로 사전학습된 비디오 모델을 사용해 고품질 HDR 비디오 생성을 입증하였으며, 다양한 장면과 까다로운 조명 조건 전반에서 우수한 결과를 달성했습니다. 본 결과는 표현 방식이 학습된 사전 지식과 정렬되도록 선택된다면, HDR이 근본적으로 다른 영상 형성 체계를 나타냄에도 불구하고 생성 모델을 재설계하지 않고도 효과적으로 다룰 수 있음을 시사합니다.