저조도 이미지에서 밝기 저하와 디테일 정보의 흐림 문제를 해결하기 위해 본 논문에서는 컨텍스트 인지 저조도 이미지 향상 알고리즘을 제안한다. 먼저, 디테일 정보와 엣지 아티팩트를 추출하기 위한 컨텍스트 인지 모듈을 연구하였으며, 활성화 함수를 사용해 비선형 매핑을 수행하여 현재 컨텍스트에서 특징의 중요도를 얻었다. 다음으로, Transformer 내의 멀티헤드 어텐션 모듈을 선형 어텐션 게이트 메커니즘으로 대체하여 고해상도 이미지에서 계산 복잡도를 줄이면서 성능을 유지하였다. 마지막으로, 이미지 재구성 시 저조도 영역 정보를 강조하는 재구성 유도 모듈을 설계하여 입력 시퀀스 내 위치 간의 관련 정보를 포착하고 재구성 작업에 대한 모델의 표현 능력을 향상시켰다. 실험 결과 기존 대표 저조도 향상 알고리즘 URetinex와 비교하여 LOL 데이터셋에서 생성된 이미지의 PSNR이 1.33%, SSIM이 3.73% 향상되었고, SICE 데이터셋에서는 PSNR이 1.2%, SSIM이 2.8% 향상되었다. 본 알고리즘은 저조도 이미지를 효과적으로 향상시켜 선명하고 균일한 밝기의 이미지를 생성할 수 있다.

저조도 향상;Transformer;선형 어텐션;게이트 메커니즘