私たちは、新しいエンドツーエンドの単一画像除霧手法である「Densely Connected Pyramid Dehazing Network（DCPDN）」を提案します。この手法は、透過率マップ、大気光、および除霧を同時に学習することができます。エンドツーエンドの学習は、大気散乱モデルを直接ネットワークに組み込むことで達成され、提案手法が物理に基づく散乱モデルに厳密に従って除霧を行うことを保証します。異なるレベルの特徴から情報を最大限に流すことができるdense network（密集ネットワーク）のアイデアに触発されて、我々は透過率マップの推定のために新しいエッジ保護型密集接続エンコーダー-デコーダー構造と多段ピラミッドプーリングモジュールを提案しました。このネットワークは、新しく導入されたエッジ保護型損失関数を使用して最適化されます。さらに、推定された透過率マップと除霧結果との間の相互構造情報を組み込むために、生成対抗ネットワーク（Generative Adversarial Network, GAN）フレームワークに基づいた共同識別器を提案します。この識別器は、対応する除霧画像と推定された透過率マップが本物か偽物かを判断します。各モジュールの有効性を示すために、透過率マップの推定と除霧結果の両方で評価した削減研究を行いました。広範な実験により、提案手法が最先端の手法に対して著しい改善を達成していることが示されています。コードは以下のURLで公開予定です: https://github.com/hezhangsprinter