画像の霞消去（Image dehazing）は、低レベルビジョン分野における重要なタスクであり、霞がかった画像から視認性および詳細情報を復元することを目的としています。強力な表現学習能力を持つ多くの深層学習手法は、非一様な霞消去（non-homogeneous dehazing）において優れた性能を示していますが、これらの手法は計算負荷が非常に高いため、高解像度画像（例：4000 × 6000）の処理にはしばしば苦労します。本研究では、この課題に対応するため、可変畳み込み（deformable convolution）に基づくトランスフォーマー型アーキテクチャを用いた新たな非一様霞消去手法「DehazeDCT」を提案します。具体的には、変形畳み込みバージョン4（deformable convolution v4）を基盤とするトランスフォーマー型ネットワークを設計し、長距離依存性の捉え方と適応的な空間集約能力を実現することで、高速な収束性と高い前向き処理速度を達成しました。さらに、軽量なRetinexに基づくトランスフォーマーを活用して色補正と構造の精緻化を実現しました。NTIRE 2024 Dense および Non-Homogeneous Dehazing Challengeにおける広範な実験結果は、本手法が16件の提出の中でも2位という非常に競争力のある性能を発揮していることを示しており、提案手法の優れた能力を裏付けています。実装コードは以下のリンクから公開されています：https://github.com/movingforward100/Dehazing_R