전자공학부 학부과정(지도교수 이성학) 임찬기 학생이 mathematics저널(Q1, Mathematics 분야 JIF 93.84%)에 1저자로 논문을 게재하였다(Title: Multi-Task Learning Approach Using Dynamic Hyperparameter for Multi-Exposure Fusion).

게시된 논문에서는 동적 범위가 좁은 두 장의 LDR (low dynamic range) 이미지로부터 HDR (high dynamic range) 이미지를 생성하는 딥러닝 네트워크를 위한 효과적인 학습 방법을 제시하였다. 제안 방법은 입력 이미지의 유용한 영역을 추출하고 이를 토대로 여러 가지 task를 동시에 학습시켰으며, 각 loss 함수에 입력 이미지 정보에 기반한 동적인 hyperparameter 값을 적용하여 기존의 딥러닝 네트워크 구조를 유지하면서도 우수한 품질의 영상을 생성할 수 있음을 보여주었다. 이를 응용하면 다양한 다중 노출 합성 딥러닝 네트워크로부터 처리속도는 유지한 채 합성 결과의 품질을 향상시킬 수 있고, 이는 처리속도가 중요한 엣지 환경에서 활용될 수 있다.