Multi-Domain Learning for Accurate and Few-Shot Color Constancy

다양한 카메라에서 촬영된 이미지를 한꺼번에 사용하여 CC model 트레이닝하기

김동영

마지막 업데이트 Oct 4, 2021 1 분 읽기

PR1) Multi-Domain Learning for Accurate and Few-Shot Color Constancy

PDF

Model Architecture

Backbone 자체는 FC4의 SqueezeNet 버전을 사용했다. Fire block은 SqueezNet이라는 논문에서 소개되었는데, 연산량 대비 성능이 좋다고 한다.

Objective

카메라마다 다른 센서를 사용하기 때문에 생겼던 CameraRGB space domain 문제를 Multi-Domain learning으로 해결하고자 함. Multi-Domain learning의 핵심은 서로 다른 도메인의 데이터에 대해 하나의 Universal feature extractor로 피쳐 추출을 한다는 것이 특징인데, 이 모델에서도 해당 아이디어를 사용함.

Novelty

Color Constancy 문제에 Multi-Domain learning 사용
Device-specific channel re-weighting module 사용
Re-weighted Feature에 Shared illuminant estimator 사용

Misc

디바이스마다 다르게 학습되는 Re-weighting module은 전체 모델 파라미터의 6.7% 뿐이므로 Few-shot learning task에도 적절함
단일 조명 CC 이기 때문에 GT illuminant chromaticity와 Angular Error를 잼
사용된 데이터셋은 reprocessed Gehler-Shi, NUS-8, Cube+

PR Color Constancy