딥러닝 기반 영상 복원과 화질평가 데이터셋 연구

Deep Learning for Image Restoration and Quality Assessment Dataset Research

연구 내용

저조도·저품질 입력에서 구조를 복원하는 영상 복원 모델과, SR 결과의 주관·객관 화질을 함께 평가하는 IQA 데이터셋을 구축하는 연구

영상 복원과 초해상도는 품질을 개선하지만, 입력 원천 품질이 낮거나 원본 고해상도 참조가 없는 조건에서는 기존 화질평가 지표의 적용이 제한됩니다. 이를 해결하기 위해 조명 변화에 강인한 얼굴 영상 디블러링 네트워크를 구성하여 핵심 구조를 복원하는 방향으로 접근합니다. 동시에 SR로 생성된 방송 영상의 지각 품질을 주관평가 기반 MOS로 측정하고, 객관 IQA 지표의 성능 및 상관 한계를 데이터로 확인합니다. 결과적으로 복원·향상 결과를 동일한 품질 평가 프레임에서 다루는 기반을 제공합니다.

관련 프로젝트

0건

연구 흐름

초기에는 조명 조건 변동 및 입력 열화가 존재하는 상황에서 구조 보존이 가능한 영상 복원 모델을 개발하는 데 집중했습니다. 이후 SR 적용 시 왜곡과 개선이 동시에 나타나는 특성 때문에 화질평가가 어려운 문제를 데이터 관점에서 정리하고, SR 방송 영상에 대한 주관평가 및 인간 실험 프로토콜을 수립했습니다. 최근에는 새 IQA 데이터셋을 공개 형태로 정리하여 기존 지표의 상관 성능을 비교 평가하고, 원본 참조 부재 조건에서도 지각 품질을 반영할 수 있는 평가 방향을 제시하는 연구를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

조명 변화 강인 영상 복원
SR 기반 방송 콘텐츠 품질 평가
IQA 지표 상관 개선 연구
원본 참조 부재 품질 추정
고품질 사용자 경험 기반 모델 학습
얼굴 영상 복원 자동화
품질 기반 압축 파라미터 선택
영상 향상 결과 모니터링
지각 품질 데이터셋 확장
실환경 입력 기반 복원 검증