要約
画像の除霧は、大気散乱と吸収の影響を軽減することにより、画像の明瞭度と視覚的品質を回復することを目指しています。深層学習はこの分野で著しい進歩を遂げていますが、多くの手法がネットワークの深さによって制約されています。その結果、多数のアプローチが並列ブランチ戦略を採用しています。しかし、これらの方法は解像度、受容野、または周波数領域分割などの側面を優先する傾向があり、入力特徴量の分布に基づいて動的にブランチを分割することはほとんどありません。動的フィルタリングに着想を得て、我々は特徴マップの分布に基づいて動的にフィルターカーネルを生成する多ブランチネットワークを作成するために、カスケード型動的フィルター（Cascaded Dynamic Filters）を使用することを提案します。さらに、ブランチ特徴量をより効果的に処理するために、異なる受容野を組み合わせる残留マルチスケールブロック（Residual Multiscale Block: RMB）を提案します。また、隣接するブランチからの特徴量を統合するために、動的畳み込みに基づく局所融合手法も導入しました。RESIDE, Haze4K, および O-Haze データセットでの実験結果は、我々の手法の有効性を検証しており、RESIDE-Indoor データセットではモデルが 43.21dB の PSNR を達成しています。コードは https://github.com/dauing/CasDyF-Net で公開されています。