ゲーテッド融合ネットワークを用いた単一画像の除霧

本論文では、ハジーな入力画像から直接クリアな画像を復元する効率的なアルゴリズムを提案します。提案されたアルゴリズムは、エンコーダとデコーダから構成されるエンドツーエンドで学習可能なニューラルネットワークに依存しています。エンコーダは導出された入力画像のコンテクストを捉えるために利用され、デコーダはエンコーダによって学習された表現を使用して各入力が最終的な除霧結果にどれだけ寄与するかを推定するために使用されます。構築されたネットワークは、元のハジーな画像に対してホワイトバランス（WB）、コントラスト強調（CE）、およびガンマ補正（GC）を適用することで3つの入力を導出する新しい融合戦略を採用しています。これらの異なる入力間の外観差に基づいてピクセルごとの信頼度マップを計算し、導出された入力の情報をブレンドしながら視認性の良い領域を保つように設計されています。最終的な除霧画像は、導出された入力の重要な特徴を選択的にゲーティングすることにより生成されます。ネットワークの学習のために、我々はマルチスケールアプローチを導入しており、これによりハローアーティファクトの発生を回避できます。合成画像と実世界の画像に対する広範な実験結果が示すように、提案されたアルゴリズムは最先端のアルゴリズムに対して有利な性能を発揮します。