Modeling the lighting as style factor via neural networks for white balance correction
Işıklandırmayı sinir ağları aracılığıyla beyaz dengesi düzeltme için bir stil faktörü olarak modelleme
- Tez No: 983119
- Danışmanlar: YRD. DOÇ. DR. MUSTAFA FURKAN KIRAÇ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Görüntü işleme, Görüntü restorasyonu, Yapay sinir ağları, Yapay zeka, Yüksek dereceli istatistikler, Image processing, Image restoration, Artificial neural networks, Artificial intelligence, Higher order statistics
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, ışıklandırmayı bir stil faktörü olarak modelleyerek, hem mimari tasarım hem de optimizasyon çerçeveleri açısından dağılım tabanlı yaklaşımlar aracılığıyla Beyaz Dengesi (BD) düzeltmesini incelemektedir. Karmaşık ışıklandırma senaryolarındaki zorlukları ele almak için üç yeni yöntem önerilmektedir. İlk yöntem, Style WB, ışıklandırmaya bağlı stil bilgisini kaldırmak için stil modülasyonuna sahip UNet benzeri bir mimari kullanmakta ve geliştirilmiş mekânsal tutarlılığı artırırken güçlü bir düzeltme sağlar. İkinci yöntem, FDM WB, Uformer mimarisine ışıklandırmanın bütüncül ve yerel özniteliklerinin hassas şekilde hizalayan bir dağılım eşleme mekanizması entegre ederek, BD düzeltmesi için önemli iyileştirmeler sunar. Her iki yöntem de Cube+ veri seti ve sentetik çoklu ışıklandırma içeren değerlendirme kümesi üzerinde test edilmiş ve çeşitli ışıklandırma koşulları altında başarı göstermiştir. Üçüncü yöntem, FDM Loss, Vision Transformers mimarisinde yer alan [CLS] token'ı kullanarak, tahmin edilen ve gerçek görüntüler arasındaki tüm dağılım momentlerini tam eşleştiren bir optimizasyon çerçevesi tanımlar ve karmaşık ışıklandırma varyasyonlarını modellemek için gerekli olan yüksek mertebeden istatistikleri yakalar. Bu yöntem, üç farklı kamera ile çekilmiş resimler içeren LSMI veri seti üzerinde daha düşük ortalama açısal hata değerleri ve tutarlı BD düzeltmesi sağlamaktadır. Bu yöntemler BD düzeltmesi performansını geliştirirken, kaynak kısıtlı ortamlarda DeNIM gibi deterministik piksel eşleme mekanizmalarının entegrasyonu ya da karmaşık ışıklandırma senaryolarını ele almak için difüzyon tabanlı modeller ve nöral ADD'lerin kullanımıyla performansın artırılabileceği öngörülmektedir. Bu çalışma, zorlu ışıklandırma senaryolarında dağılım tabanlı modellemenin rolünü yeniden tanımlamakta ve görüntü iyileştirme alanında gelecekteki yeniliklere sağlam bir temel oluşturmaktadır.
Özet (Çeviri)
This thesis explores WB correction by modeling lighting as a style factor through distribution-based approaches in both architectural design and optimization frameworks. Three novel methods are proposed to address the challenges of complex illumination scenarios. The first approach, Style WB, employs a UNet-like architecture with style modulation to effectively remove illumination-related style information, which achieves robust correction with enhanced spatial consistency. The second approach, FDM WB, introduces feature distribution matching within the Uformer architecture, which enables precise alignment of global and local illumination features for WB correction. Both approaches are evaluated on the Cube+ dataset and a synthetic multi-illuminant benchmark, and they demonstrate substantial improvements in WB correction across diverse lighting conditions. The third approach, FDM Loss, defines an optimization framework leveraging the [CLS] token of Vision Transformers to achieve exact matching of all moments between the predicted and ground truth images, capturing higher-order statistics essential for managing intricate lighting variations. This approach delivers reduced MAE and consistent illumination correction on the LSMI dataset across three camera setups. While these methods advance WB correction, integrating deterministic mapping mechanisms, such as DeNIM, in resource-constrained environments or leveraging diffusion-based models and neural ODEs could further enhance performance, particularly in handling complex lighting scenarios. This work redefines the role of distribution-based modeling in addressing illumination challenges, setting a foundation for future innovations in image restoration.
Benzer Tezler
- Erken Hristiyan ve ilk Bizans resim ve kabartma sanatında kaynak ve okullar (2 cilt)
Sources and school of painting and sculpture during the early Christian and first Byzantine period
AHMET MEHMET KİPMEN
- Mağaza aydınlatmasında dört köşe yaklaşımı metodu ve Türkiye'deki uygulamaları
Başlık çevirisi yok
MURAT KUZUMOĞLU
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERMİN ONAYGİL
- Impact of parametric design on designing performative facades
Parametrik tasarımın performatif cephe tasarımı üzerine etkisi
DELARA RAZZAGHMANESH
Yüksek Lisans
İngilizce
2015
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. MELTEM AKSOY
- Türk resim sanatında asker ressamların öncülük rolü
Başlık çevirisi yok
HÜSEYİN ÖZDEMİR
Yüksek Lisans
Türkçe
1994
Güzel SanatlarMimar Sinan Güzel Sanatlar ÜniversitesiResim Ana Sanat Dalı
PROF. KEMAL İSKENDER