realrep

DeCoMix-HDR는 일반화된 SDR-HDR 변환을 위한 딥러닝 방법의 공식 구현이다. 서로 다른 톤 곡선, 노출 이동, 하이라이트 압축, 채도 변화, 색조 편향을 포함하여 다양한 톤 매핑 및 열화 스타일로 생성된 SDR 입력을 처리하도록 설계되었다. 이 방법은 휘도 및 색도 인식 대조 지도를 사용하여 속성이 분리된 공유 열화 표현을 학습한다. UNet 기반 인코더는 전역 및 지역 열화 디스크립터를 생성한다. 후보 네거티브는 서로 다른 열화 스타일로 생성된 동일 HDR 장면의 SDR 버전에서 수집된 다음, 로그 휘도 거리와 Yxy 색도 거리를 사용하여 순위가 매겨진다. 순위 안내 표현 혼합은 선택된 네거티브를 포지티브 키 쪽으로 보간하여 연속적인 하드 네거티브를 만든다. 열화 적응형 HDR 매핑 네트워크는 밀집된 전역 채널 변조와 희소한 지역 픽셀 단위 변조를 사용하여 HDR 출력을 복원한다. 네거티브 샘플과 모멘텀 인코더는 학습 중에만 사용되며, 추론에는 SDR 이미지 한 장과 학습된 체크포인트만 필요하다. 이 저장소는 BasicSR 스타일 구조를 따르며 학습 및 평가 진입점, YAML 설정 파일, 모델 아키텍처, 대조 데이터셋 로더, 손실 및 지표 유틸리티, 분산 실행 스크립트, 데이터셋 준비 헬퍼를 포함한다. 논문-코드 매핑에는 학습 래퍼, DAHM 아키텍처, 대조 인코더, 순위 기반 네거티브 데이터셋, 잠재 혼합 루틴, 단계별 학습 로직, 체크포인트 키가 명시되어 있다. 문서화된 소프트웨어 환경은 Python 3.8 이상, CUDA를 사용하는 PyTorch, torchvision, kornia, lmdb, OpenCV를 사용한다. 주요 실험에서는 학습과 알려진 열화 평가에 HDRTV4K 또는 HDRTVDM을 사용하고, 미지의 열화 평가에 HDRTV1K를 사용한다. 데이터셋은 이름 메타데이터와 순위화된 휘도 및 색도 네거티브 목록 파일을 포함한 LMDB 형식으로 준비해야 한다. 헬퍼 스크립트는 데이터셋 심볼릭 링크와 로컬 설정 파일을 생성하고 필요한 데이터를 검증할 수 있다. README에는 단일 GPU 및 분산 학습 명령, 기본 400,000반복 일정, 체크포인트 경로, 전체 검증 명령이 제공된다. 평가 출력에는 PSNR, SSIM, Delta E ITP 측정값이 포함된다. 결과 표에는 HDR-VDP3도 보고된다. 보고된 대표 결과는 HDRTV4K 알려진 열화에서 PSNR 31.20, SSIM 0.9213이고, HDRTV1K 미지의 열화에서 PSNR 29.12, SSIM 0.9412이다. README에서는 정확한 값이 데이터셋 준비, 체크포인트, 평가 환경에 따라 달라진다고 명시한다. 모델 레지스트리 및 체크포인트와의 호환성을 위해 과거 RealRep 클래스와 파일 이름 일부가 남아 있다. 공개 패키지에는 어블레이션 설정, 학습 로그, 논문 소스, 그림, PDF, 로컬 데이터셋, 실험 출력은 포함되지 않는다.