日本語 English
이미지 재구성과 얼굴 스케치
유형이 다른 이미지들은 서로 명확하게 구별되는 특징을 갖고 있습니다. 따라서 블랙홀의 시뮬레이션 이미지와 일상적으로 지구상에서 찍은 사진과의 차이는 쉽게 구별됩니다. 우리는 같은 유형의 이미지에 너무 치우치지 않고 이미지를 판별하도록 알고리즘에 전달하는 방법을 강구할 필요가 있습니다.
그 방법 중 하나는 여러 유형의 이미지 중에서 같은 유형을 가진 이미지의 특징을 강조했을 경우 그것이 이미지 재구성에 어떠한 영향을 미치는지 확인하는 방법입니다. 결과적으로 알고리즘이 서로 다른 유형의 이미지로부터 대단히 유사한 결과들을 얻게 된다면, 우리가 추정한 이미지의 결과가 그다지 편향되지 않았다는 자신감을 얻게 될 것입니다.
이것은 마치 전세계에서 불러모은 3명의 서로 다른 스케치 예술가들에게 동일한 정보를 제공하는 경우와 비슷합니다. 만일 그들이 서로 유사한 얼굴을 그려낸다면, 그들 고유의 문화 배경으로부터 그다지 영향을 받지 않았다는 확신을 얻을 수 있을 것입니다. 서로 다른 이미지들의 특징을 강조하는 데는 기존에 존재하는 이미지 조각들을 사용하는 방법이 있습니다.
ㅇ상이한 유형의 퍼즐세트 '블랙홀' '천체' '일상'
먼저 대량의 사진 더미들을 모아서 작은 이미지 조각들로 분해합니다. 각 이미지 조각들은 퍼즐 조각처럼 다루어집니다. 이렇게 우리들이 일상에서 흔히 볼 수 있는 퍼즐 조각들을 활용하여 망원경의 관측 결과에 부합하는 이미지를 도출하게 되는 것입니다.
유형이 다른 이미지들로부터 서로 다른 특징을 가진 퍼즐 조각들이 만들어집니다. 그런 유형이 다른 퍼즐세트로 동일한 관측 데이터의 이미지를 재구성하면 어떤 결과가 나올까요? 먼저 블랙홀 시물레이션의 퍼즐 조각부터 실험해 봅시다. 네, 상당히 좋군요. 이것은 우리가 생각하는 블랙홀의 모습과 비슷합니다.
ㅇ
그런데 단지 블랙홀의 시뮬레이션 퍼즐 조각을 사용했기 때문에 이런 결과가 나왔을까요? 다른 퍼즐세트로 실험해 봅시다. 이번에는 블랙홀이 아닌 천체의 퍼즐 조각입니다. 좋습니다. 상당히 비슷한 결과군요.
마지막으로 우리들이 직접 찍은 일상적인 사진들로 만든 퍼즐조각으로 실험하면 어떤 결과가 나올까요? 아주 좋네요. 똑같은 이미지입니다. 이렇게 서로 다른 퍼즐조각 세트로부터 똑같은 이미지가 도출된다면 우리가 추정한 이미지가 그다지 편향되지 않았다는 확신을 갖게 될 것입니다.