다중스펙트럼(MS) 이미지는 채널 수가 더 많아 RGB 이미지보다 더 풍부한 스펙트럼 정보를 포함하며, 다양한 응용 분야에서 널리 활용된다. 그러나 MS 이미지에서의 정확한 추정은 여전히 어려운데, 기존 연구들이 스펙트럼 다양성 및 조명(illuminant) 스펙트럼과 표면 반사율(surface reflectance) 스펙트럼 사이의 고유한 얽힘(entanglement)을 충분히 해결하지 못했기 때문이다. 이러한 문제를 해결하기 위해, 본 논문에서는 표면 반사율 모델링과 공간-스펙트럼 특징 생성(Spatial-spectral feature generation)을 통한 MS 이미지를 위한 새로운 조명 스펙트럼 추정 기법(ISS)을 제안한다. 제안된 기법은 조명 스펙트럼 추정에서는 시도되지 않았던, 표면 반사율 모델링을 강화하기 위한 학습 가능한 스펙트럼 언믹싱(SU) 블록을 사용하며, 또한 크로스 어텐션을 통해 MS 이미지의 스펙트럼 특징과 공간 특징을 융합하는 특징 혼합(feature mixing) 블록을 적용한다. 이러한 특징들은 반복적으로 정제(refine)되며 디코더를 통해 처리되어 조명 스펙트럼 추정기를 산출한다. 실험 결과는 제안된 기법이 다양한 MS 이미지 데이터셋에서 조명 스펙트럼 추정 분야의 최신(state-of-the-art) 성능을 달성함을 보여준다. 코드는 https://github.com/heyjinnii/ISS-MSI.git 에서 제공된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.