PIXELL AI
딥러닝 기반
화질 고도화 AI
수만 건 이상의 초고화질 영상을 학습한 딥 러닝 AI 모델이 가장 진보된 수준의 화질 개선 성능을 보여줍니다.
Model Training
& Advancement
글로벌 디스플레이 선도 기업들과 함께 '최고 화질'의 기준을 만들고 정의해온 포바이포의 화질 전문 인력과 내부 AI 연구진이 함께 모델을 학습, 고도화하면서 최고의 결과물을 만들어냅니다. 내부 AI 연구진의 다양한 연구 및 실험 뿐 아니라 Out-put 영상에 대한 화질 전문가의 피드백이 반복되면서 더욱 빠르고 정교한 솔루션 고도화를 가능케 합니다.
Core Technology
Core Technology
PIXELL AI
딥러닝 기반 화질 고도화 AI
노이즈, 선명도, 컬러 등 화질을 구성하는 각 요소를 최적화하여
인간의 시각과 가장 가까운 화질을 구현합니다.
수만 건 이상의 초고화질 영상을 학습한 딥러닝 AI 모델이
가장 진보된 수준의 화질 개선 성능을 보여줍니다.
Dominant
Performance
기존 화질 개선 AI모델과 비교, 화질을 결정하는 4가지 요소(명암, 채도, 선예도, 노이즈) 전 영역에서 압도적 성능 차이를 보입니다.
[출처] Chen et. al “Deep Retinex Decomposition for Low-Light Enhancement”, British Machine Vision Conference (BMVC) 2018 | Guo et. al “Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement”, IEEE Conference on Computer Vision Pattern Recognition (CVPR) 2020 | Kim et. al “Accurate Image Super-Resolution Using Very Deep Convolutional Networks”, IEEE Conference on Computer Vision Pattern Recognition (CVPR) 2016 | Cho et. al “Effective Five Directional Partial Derivatives-Based Image Smoothing and a Parallel Structure Design”, IEEE Trans. on Image Processing (TIP) 2016 | Shin et. al “Region-Based Dehazing via Dual-Supervised Triple-Convolutional Network”, IEEE Trans. on Multimedia (TMM) 2020 | Zhang et. al “Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising”, IEEE Trans. on Image Processing (TIP) 2017 | Zhang et. al “Learning Deep CNN Denoiser Prior for Image Restoration”, IEEE Conference on Computer Vision Pattern Recognition (CVPR) 2017 | Zhang et. Al “FFDNet: Toward a Fast and Flexible Solution for CNN-based Image Denoising”, IEEE Trans. on Image Processing (TIP) 2018
원본 영상의 특징 및 화질 열화 정도에 따라 업스케일링 및 노이즈 제거, 색감개선, 선예도 개선, 밝기 조정 등이 종합적으로 이루어져 실제 눈으로 보는 것과 가장 유사한 화질의 결과물을 얻게 됩니다.
Scientific Recognition
자체 화질연구소 PIXELL Lab과 중앙대학교 첨단영상대학원(AI대학원), AI 스타트업 AI Nation과의 연구 협업으로, 화질 AI분야 원천 기술을 지속적으로 고도화하고 있으며 유력 학술지 논문 투고 및 특허 출원을 통해 기술 리더십을 구축하고 있습니다.
Publication
Patent Registration
Model Training & Advancement
글로벌 디스플레이 선도 기업들과 함께
'최고 화질'의 기준을 만들고 정의해온 포바이포의 화질 전문 인력과
내부 AI 연구진이 함께 모델을 학습, 고도화하면서 최고의 결과물을 만들어냅니다.
내부 AI 연구진의 다양한 연구 및 실험 뿐 아니라
Output 영상에 대한 화질 전문가의 피드백이 반복되면서
더욱 빠르고 정교한 솔루션 고도화를 가능케 합니다.
Dominant Performance
기존 화질 개선 AI모델과 비교, 화질을 결정하는 4가지 요소(채도, 명암, 노이즈, 선예도)
전 영역에서 압도적 성능 차이를 보입니다.
[출처] Chen et. al “Deep Retinex Decomposition for Low-Light Enhancement”, British Machine Vision Conference (BMVC) 2018 | Guo et. al “Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement”, IEEE Conference on Computer Vision Pattern Recognition (CVPR) 2020 | Kim et. al “Accurate Image Super-Resolution Using Very Deep Convolutional Networks”, IEEE Conference on Computer Vision Pattern Recognition (CVPR) 2016 | Cho et. al “Effective Five Directional Partial Derivatives-Based Image Smoothing and a Parallel Structure Design”, IEEE Trans. on Image Processing (TIP) 2016 | Shin et. al “Region-Based Dehazing via Dual-Supervised Triple-Convolutional Network”, IEEE Trans. on Multimedia (TMM) 2020 | Zhang et. al “Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising”, IEEE Trans. on Image Processing (TIP) 2017 | Zhang et. al “Learning Deep CNN Denoiser Prior for Image Restoration”, IEEE Conference on Computer Vision Pattern Recognition (CVPR) 2017 | Zhang et. Al “FFDNet: Toward a Fast and Flexible Solution for CNN-based Image Denoising”, IEEE Trans. on Image Processing (TIP) 2018
원본 영상의 특징 및 화질 열화 정도에 따라 업스케일링 및 노이즈 제거, 색감 개선,
선예도 개선, 밝기 조정 등이 종합적으로 이루어져 실제 눈으로 보는 것과 가장 유사한
화질의 결과물을 얻게 됩니다
Scientific Recognition
자체 화질연구소 PIXELL Lab과 중앙대학교 첨단영상대학원(AI대학원),
AI 스타트업 AI Nation과의 연구 협업으로,
화질 AI분야 원천 기술을 지속적으로 고도화하고 있으며
유력 학술지 논문 투고 및 특허 출원을 통해 기술 리더십을 구축하고 있습니다.
Publication
Patent Registration
명칭 | 등록번호 | 비고 | |
특허권 | 딥러닝 기반 영상 노이즈 저감 장치 및 방법 | 10-2670870 | |
특허권 | 선예도 개선을 위한 심층 기울기 사전정보기반 L0 스무딩 방법 | 10-2342940 | PCT국제출원 진행중 |
특허권 | 입력 영상 전처리를 이용한 화질 보정 방법 | 10-2245835 | |
특허권 | 화질 개선된 인공지능 기반 영상 출력 방법 | 10-2054453 | |
특허권 | 초고해상도 영상 콘텐츠의 화질 개선 방법 | 10-2058355 | |
특허권 | 디지털 영상 노이즈 제거 방법 | 10-2194447 | |
특허권 | 디지털 영상 선예도 강화 방법 | 10-2164998 | |
특허권 | 정지 장면의 연속 프레임 영상에 기반한 영상 분할 장치 및 방법 | 10-1223046 | |
특허권 | 개선된 영상 생성 모델과 적응적 필터를 이용한 컬러 영상 보정 방법 | 10-1242069 | |
특허권 | 변형된 영상 생성 모델을 이용한 컬러 영상 보정 방법 | 10-1242070 | |
특허권 | 유심 탑재 저장 매체 | 10-2123312 | |
특허권 | 시연 및 홍보용 텔레비전과 영상 제공용 유에스비 메모리 간의 잠금장치 | 10-1981033 |
Ⓒ2024 4BY4 Inc,.
12-14F, 479, Gangnam-daero, Seocho-gu, Seoul, Korea 06541
문의: 4by4inc@4by4inc.com / IR: ir@4by4inc.com
Family site
Ⓒ2024 4BY4 Inc.
12-14F, 479, Gangnam-daero, Seocho-gu, Seoul, Korea 06541
문의: 4by4inc@4by4inc.com / IR: ir@4by4inc.com
Family site