극한 저조도 조건에서 고품질 사진을 촬영하는 것은 디지턈 카메라 분야에서 지속적인 과제로 남아있다. 전통적인 카메라 이미지 신호 처리기(Image Signal Processor, ISP) 알고리즘은 고도의 컴퓨팅 하드웨어를 필요로 하며, 이러한 알고리즘들은 노이즈가 많은 Raw 이미지를 더 지능적으로 향상시키기 위해 효율적인 심층 신경망으로 대체되고 있다. 그러나 기존의 회귀 기반 모델은 종종 픽셀 오류를 최소화하려는 경향이 있어 저조도 사진이나 깊은 그림자를 과도하게 부드럽게 만들 수 있다는 단점이 있다. 최근의 연구에서는 이러한 한계를 극복하기 위해 확산 모델을 처음부터 훈련시키는 시도가 있었다. 그러나 이러한 모델들은 아직도 선명한 이미지 세부사항을 복원하는 데 어려움을 겪고 있다. 이러한 어려움을 극복하기 위해, 이번 연구에서는 DarkDiff라는 새로운 방법을 제안한다. DarkDiff는 저조도 이미지의 선명도를 향상시키기 위해 이미 존재하는 확산 모델을 활용하는 것으로, 저조도 사진이나 깊은 그림자를 과도하게 부드럽게 만드는 문제를 해결할 수 있다. 이러한 방법은 기존의 확산 모델과 달리, 이미 존재하는 모델을 새로운 목표에 맞게 재할당하는 방식으로 작동한다. 이를 통해 DarkDiff는 저조도 Raw 이미지의 품질을 향상시키는 데 있어 더 나은 결과를 얻을 수 있게 된다. 이러한 연구 결과는 디지턈 카메라 분야에서의 저조도 이미지 향상 기술에 새로운 지평을 열 수 있을 것으로 기대된다.

<Apple 뉴스 본문 전체읽기>