물리 법칙이 반영된 혁신적 렌즈 플레어 데이터셋, FlareX

초록

강한 광원을 향해 촬영할 때 발생하는 렌즈 플레어는 이미지 품질을 크게 떨어뜨립니다. 기존 데이터셋은 인공 플레어 템플릿을 배경에 덧붙이는 2D 합성 방식으로 다양성과 물리적 현실성이 부족했습니다. 본 연구는 매개변수화된 템플릿 생성, 조명 법칙 인지 2D 합성, 물리 엔진 기반 3D 렌더링의 3단계 물리 정보 기반 방법을 통해 FlareX 데이터셋을 제안합니다. 95종 패턴에서 파생된 9,500개의 2D 템플릿과 60개 3D 장면에서 렌더링된 3,000개의 이미지 쌍으로 구성되며, 마스킹 기법을 통해 실제 플레어 이미지에서 정답 데이터를 얻어 모델 성능을 평가합니다.

상세 분석

본 논문이 제안하는 FlareX 데이터셋의 핵심 기술적 혁신은 크게 세 가지로 요약됩니다. 첫째, 매개변수화된 다양한 플레어 템플릿 생성입니다. Blender 플러그인을 활용하되, 조명 강도, 반사 횟수, 렌즈 오염 등 핵심 물리 매개변수를 제어하여 95가지 기본 및 복합(XT) 플레어 패턴을 정의했습니다. 단순한 템플릿 중첩을 넘어, 조명원의 공간적 위치 변화에 따라 플레어 구성 요소 간 상호 제약 관계가 물리 법칙에 따라 변화하도록 구현함으로써 기존 데이터셋(Flare7K, Wu et al.)이 가진 패턴 다양성 부족과 비현실성 문제를 해결했습니다.

둘째, 물리 법칙을 반영한 2D 합성 파이프라인의 도입입니다. 기존 방법이 무작위 아핀 변환과 단순 합성을 사용한 반면, 본 연구는 ‘조명 법칙’을 명시적으로 모델링에 통합했습니다. 구체적으로, Brightness Adjustment Module(BAM)을 설계하여 배경 이미지의 깊이 맵(Monocular Depth Estimation)과 추정된 조명원의 공간 위치(깊이, 입사각) 정보를 활용합니다. 이를 통해 조명원과 렌즈 사이의 거리와 각도에 비례하여 플레어 밝기를 물리적으로 조정함으로써, 합성 이미지 내 플레어 강도가 현실 세계와 유사하게 나타나도록 했습니다.

셋째, 3D 물리 엔진 기반 렌더링 데이터의 병합입니다. 이는 2D 합성의 근본적 한계(예: 플레어가 나타날 합리적 위치 고려 불가)를 보완합니다. 60개의 3D 장면을 구성하고 Blender 내에서 카메라 위치와 조명 조건을 다양화하여 3,000개의 이미지 쌍을 직접 렌더링했습니다. 이 데이터는 장면 기하구조와 광선 추적 계산에 내재된 물리 법칙을 자연스럽게 따르므로, 플레어의 모양, 위치, 색상 변화가 현실과 매우 유사합니다. 최종적으로 2D 합성 데이터(Flare-2D)와 3D 렌더링 데이터(Flare-3D)를 혼합한 ‘물리 정보 기반’ 데이터셋을 구축함으로써, 모델이 다양한 맥락의 플레어를 학습할 수 있는 풍부한 학습 데이터를 제공합니다.

마지막으로 평가 방법론에도 기여를 했습니다. 실제 세계에서 플레어 없는 정답 이미지를 얻기 어려운 문제를 해결하기 위해 마스킹 기반 정답 생성 방법을 제안했습니다. 플레어가 있는 실제 이미지에서 플레어 영역을 마스킹하고 주변 배경 정보로 보정하여 신뢰할 수 있는 정답 이미지를 생성함으로써, 실제 데이터에 대한 정량적 평가를 가능하게 했습니다. 이는 기존 실험 데이터셋의 낮은 해상도와 제한된 플레어 패턴, 정답 데이터 부재 문제를 극복하는 데 기여합니다.