FFA-Net：単一画像の霞消去のための特徴融合注意機構ネットワーク

本稿では、霧除去画像を直接復元することを目的として、エンドツーエンドの特徴融合注目ネットワーク（FFA-Net）を提案する。FFA-Netのアーキテクチャは以下の3つの主要な構成要素で構成される。1) 新たな特徴注目（Feature Attention, FA）モジュールは、チャネル注目（Channel Attention）とピクセル注目（Pixel Attention）機構を統合したものであり、異なるチャネルごとの特徴量が完全に異なる重み情報を含み、画像のピクセルごとに霧の分布が不均一であるという事実を考慮している。FAモジュールは、異なる特徴量やピクセルに対して非均等な扱いを施すことで、さまざまな種類の情報を処理する際の追加的な柔軟性を提供し、CNNの表現能力を拡張する。2) ローカル残差学習（Local Residual Learning）と特徴注目（FA）を組み合わせた基本ブロック構造である。この構造により、薄い霧領域や低周波成分など重要な情報ではない部分が、複数のローカル残差接続を通じてバイパスされ、主なネットワーク構造がより有効な情報に集中できるようになる。3) 注目に基づく複数レベルの特徴融合（Attention-based Different Levels Feature Fusion, FFA）構造。この構造では、FAモジュールから適応的に学習された特徴量の重みが用いられ、重要な特徴に高い重みが与えられる。また、浅層の情報も保持し、深層へと伝達する機能を備えている。実験結果から、本稿で提案するFFA-Netは、従来の最先端の単一画像霧除去手法に対して、定量的・定性的な観点から大幅な性能向上を達成した。特に、SOTSインドアテストデータセットにおいて、公開済みの最高PSNR値を30.23dBから36.39dBまで向上させた。コードはGitHubにて公開されている。