本論文は、画像のデヘイズ処理における現行の物理モデルの制限に焦点を当て、革新的なデヘイズネットワーク（CL2S）を提案しています。DM2Fモデルを基盤として、そのアブレーション実験で指摘された問題点を特定し、元の対数関数モデルを三角関数（サイン）モデルに置き換えました。この置き換えは、ヘイズの複雑かつ変動性のある分布に更好地合うことを目指しています。また、この手法は大気散乱モデルや他の基本的な関数を取り入れることで、デヘイズ性能を向上させています。実験結果は、CL2Sが複数のデヘイズデータセットにおいて優れた性能を達成しており、特に画像の詳細と色の忠実度を維持する点で顕著であることを示しています。さらに、DM2Fに対する系統的なアブレーション実験により、DM2Fに関する懸念が確認され、提案されたCL2Sモデルにおける機能的構成要素の必要性と効果が確認されました。私たちのコードは\url{https://github.com/YesianRohn/CL2S}で公開されており、対応する事前学習済みモデルもアクセスできます。注：URL部分はそのまま残しています。必要に応じてLaTeX環境での表示に対応するために\url{}コマンドを使用しています。