Réseau de dégommage à renforcement multi-échelle avec fusion de caractéristiques denses

Dans cet article, nous proposons un réseau de dégommage multi-échelle à déblocage renforcé basé sur l'architecture U-Net, intégrant une fusion de caractéristiques denses. La méthode proposée repose sur deux principes fondamentaux : le renforcement (boosting) et le retour d'erreur (error feedback), que nous démontrons adaptés au problème du dégommage. En intégrant la stratégie de renforcement Strengthen-Operate-Subtract dans le décodeur du modèle proposé, nous développons un décodeur simple mais efficace, permettant une restauration progressive de l'image dégommée. Pour résoudre le problème de préservation des informations spatiales inhérent à l'architecture U-Net, nous concevons un module de fusion de caractéristiques denses reposant sur un schéma de rétroaction par projection inverse. Nous montrons que ce module permet simultanément de compenser les informations spatiales manquantes provenant des caractéristiques à haute résolution et d'exploiter les caractéristiques non adjacentes. Des évaluations étendues démontrent que le modèle proposé se distingue avantageusement des méthodes de pointe sur des jeux de données standards ainsi que sur des images brumeuses réelles.