항공 영상은 항공기나 드론과 같은 고공에서 촬영된 영상으로 지상에서 촬영된 영상과는 달리 높은 고도에서 촬영된다. 이로 인해 구름이나 비행기 같은 물체로부터 생긴 그림자가 영상 내에 포함될 수 있으며, 이는 물체나 지형의 특징을 왜곡시킬 수 있다. 이 문제를 보완하기 위한 대부분의 그림자 제거 모델은 지도학습으로 훈련되며, 그림자 유무에 따른 이미지의 쌍과 그림자 마스크가 존재해야 된다. 하지만 항공 영상에서 이미지 쌍을 제작하기엔 많은 어려움이 있으며 그림자 마스크 제작을 위한 많은 시간과 노동이 필요하다. 또한 이미지 쌍을 사용 하지 않은 비지도 그림자 제거 모델은 지역적인 영역을 보는 CNN을 활용하며, 이는 그림자가 아닌 영역의 정보를 최대한 활용하지 못한다는 단점이 있다. 본 논문에서는 그림자 생성 알 고리즘을 사용하여 그림자 항공 데이터셋을 구축하며, 도메인 분류기 기반의 비지도 그림자 제거 알고리즘을 제안한다.

Domain Classifier-based Unsupervised Shadow Removal Algorithm Using Artificial Neural Networks

Jae-Won Yang, Dong-Hyeon Cho*

Aerial image is captured from a high altitude, such as an aircraft or drone, as opposed to image captured from the ground. As a result, shadows from objects such as clouds and airplanes can be included in the image, which can distort the features of objects or terrain. Most shadow removal models to compensate for this problem are trained with supervised learning, requiring pairs of images with and without shadows and a shadow mask. However, image pairing in the aerial image is challenging, and shadow mask creation is time-consuming and labor intensive. In addition, unsupervised shadow removal models that do not use image pairs utilize CNNs that view local regions, which has the disadvantage of not fully utilizing the information in non-shadow regions. In this paper, we construct a shadowed aerial dataset using a shadow generation algorithm and propose an unsupervised shadow removal algorithm based on a domain classifier.
Keywords: shadow removal, shadow generation, transformer

Speaker 양재원 충남대학교