다중 평면 3D 장면의 모션 블러로부터 평면 기하와 복원 이미지 추정

초록

본 논문은 단일 모션 블러 이미지에서 평면 법선, 장면의 평면 수, 각 평면의 파라미터 및 카메라 움직임을 자동으로 추정하고, 교번 최소화 프레임워크를 통해 평면 기하와 잠재(선명) 이미지를 동시에 복원하는 방법을 제안한다.

상세 분석

이 연구는 기존의 깊이 의존 블러 복원 방식이 전면 평면 혹은 다층 전면 평면만을 가정한 점을 넘어, 임의의 기울기를 가진 다중 평면 장면을 다룬다. 핵심 아이디어는 모션 블러의 점 흐림 함수(PSF)에서 추출한 픽셀 이동 정보를 이용해 평면 법선을 직접 추정하는 것이다. 카메라 움직임을 6자유도에서 3자유도(평면 내 회전·이동)로 근사하고, 작은 회전 각도 가정을 통해 호모그래피 행렬을 선형화한다. 이렇게 얻은 식(5)·(6)을 이용해 여러 위치에서 측정한 PSF의 극값 차이를 선형 방정식 형태로 정리하고, 최소제곱법으로 법선 성분을 구한다. 최소 3개의 대응점이면 충분히 해를 얻을 수 있어 대응점 요구가 매우 낮다.

다중 평면 복원 단계에서는 식(12)의 블러 모델을 기반으로, 각 평면의 마스크와 깊이 스케일, 그리고 전체 카메라 모션(시간에 따른 포즈 집합, TSF)을 동시에 추정한다. 인라이어 PSF와 RANSAC으로 얻은 법선을 이용해 깊이 스케일을 상대적으로 정의하고, PSF와 카메라 포즈 행렬을 연결하는 선형 시스템 k = M ω을 구축한다. ω는 L1 정규화를 적용한 ADMM 최적화로 구하고, 깊이 스케일은 후보 집합 탐색을 통해 반복적으로 갱신한다.

마지막으로 교번 최소화(Alternating Minimization) 루프를 도입해, 현재 추정된 ω와 깊이·마스크를 고정하고 라텐트 이미지 f를 복원한 뒤, 다시 마스크와 깊이를 업데이트한다. 이 과정은 블러 커널과 실제 이미지 간의 차이를 최소화하면서 동시에 평면 구분과 깊이 정밀도를 향상시킨다. 실험에서는 합성 데이터와 실제 모바일 촬영 이미지 모두에서 기존 최첨단 방법들을 능가하는 정량적·정성적 결과를 보이며, 특히 회전이 포함된 복합 카메라 움직임과 기울어진 평면에 대해 강인함을 입증한다.