조명 불변 스펙트럼 영상 복원을 위한 색채‑강도 분해와 CIDNet

초록

본 논문은 CASSI 시스템에서 촬영된 압축 측정값을 조명에 무관한 색채(Chromaticity)와 부드러운 강도(Intensity)로 분해하고, 이를 기반으로 하이브리드 공간‑스펙트럼 트랜스포머와 단계별 잡음 추정 모듈을 결합한 CIDNet을 제안한다. 실험 결과, 기존 방법들을 크게 능가하는 스펙트럼 재구성 정확도와 색채 보존성을 입증한다.

상세 분석

이 연구는 기존 CASSI 복원 방법이 공간‑스펙트럼 정보를 암묵적으로 학습하는 데 그쳤던 한계를 색채‑강도 분해라는 물리적 사전지식으로 극복한다. 저자들은 HSI X를 픽셀‑별 강도 I와 색채 C의 곱으로 표현하고, I는 평균 스펙트럼 에너지로 정의해 조명 변화를 거의 완전히 흡수하도록 설계하였다. 이렇게 하면 색채 C는 조명에 불변하면서도 고주파 텍스처와 국부적 스펙트럼 희소성을 동시에 보유한다는 중요한 특성을 갖는다.

두 대의 카메라를 이용한 듀얼‑카메라 CASSI 구성에서는 한 카메라가 전통적인 RGB 혹은 PAN 이미지를 제공해 I를 직접 획득하고, 다른 카메라가 변조된 측정값을 받아 H · C + n 형태의 선형 역문제를 만든다. 여기서 H는 강도‑가이드 마스크와 디스퍼전 연산을 모두 포함한다. 저자들은 이 모델을 베이지안 MAP 프레임워크에 삽입해, 각 픽셀마다 서로 다른 분산을 갖는 이방성 가우시안 잡음 Σ를 고려한다. 기존 GAP, ISTA, HQS와 달리 Σ를 동적으로 추정해 데이터 일관성 단계에 반영함으로써, 잡음이 공간적으로 변하는 실제 CASSI 시스템에 보다 강인한 복원을 가능하게 한다.

네트워크 설계 측면에서는 단계별(=K‑stage) 언폴딩 구조를 채택한다. 각 단계는 (1) 현재 추정 z⁽ᵏ⁾와 측정 y를 입력으로 Σ⁽ᵏ⁾와 정규화 파라미터 ω⁽ᵏ⁾를 예측하는 경량 CNN 기반 잡음 추정 모듈(DNEM), (2) 식 (17) 로 정의된 분석적 데이터 일관성 업데이트, (3) 학습된 프록시멀 연산자를 이용한 정규화(z‑업데이트) 로 구성된다.

핵심 백본인 Hybrid Spatial‑Spectral Transformer(HSST)는 비대칭 UNet 형태로, 인코더에서는 로컬 윈도우 기반 공간 어텐션(Spa‑L WSA)으로 고주파 텍스처를 보존하고, 디코더에서는 스펙트럼 차원에서 Top‑K 선택적 어텐션(Spec‑TKSA)을 적용해 색채 C의 국부적 스펙트럼 희소성을 효율적으로 모델링한다. Top‑K 메커니즘은 전체 스펙트럼 차원(Nλ)을 압축해 연산량을 크게 줄이면서도 중요한 밴드들을 놓치지 않는다.

실험에서는 합성 데이터와 실제 CASSI 측정 두 가지 환경에서 9단계 CIDNet을 평가하였다. 정량적 지표인 PSNR, SSIM, 스펙트럼 상관계수 등에서 기존 최첨단 방법들(DeSCI, PIDS, GAP‑Net, MST, DAUHST, SSR, In2SET)보다 평균 0.5 dB~2 dB 이상 향상되었으며, 특히 저조도·하이라이트 영역에서 색채가 명확히 복원되는 시각적 결과를 보여준다. 또한, 잡음 추정 모듈이 단계별로 Σ를 적절히 조정함으로써, 초기 단계에서는 큰 잡음에 강인하고 후반부에서는 세밀한 디테일을 복원하는 점진적 개선 효과를 확인하였다.

이 논문은 (1) 조명 불변 색채‑강도 분해라는 물리적 사전지식을 CASSI 복원에 성공적으로 도입, (2) 이산화된 선형 모델에 이방성 잡음 추정을 결합한 새로운 데이터 일관성 업데이트를 제시, (3) 공간‑스펙트럼 트랜스포머와 단계별 잡음 추정이라는 두 혁신적 모듈을 통합한 언폴딩 네트워크를 설계함으로써, 압축 스펙트럼 영상 복원 분야에 새로운 패러다임을 제시한다.