要約
画像復元は、劣化した観測画像から鮮明な画像を再構成することを目的とする。畳み込みニューラルネットワーク（CNN）はこのタスクにおいて有望な性能を達成している。近年、Transformerの導入により、長距離依存関係をモデル化する能力が向上し、最先端の性能が飛躍的に向上している。しかし、これらの深層アーキテクチャは主に空間次元における表現学習の強化に注力しており、チャネル間の相互作用の重要性を軽視している。本論文では、双領域チャネル注目機構（dual-domain channel attention mechanism）を提案することで、チャネル間相互作用が画像復元に与える潜在的な価値を検証する。具体的には、空間領域におけるチャネル注目機構により、学習された動的重みの指導のもと、各チャネルが隣接するチャネルから価値ある信号を集積できる。さらに、劣化画像とクリーン画像のペア間に顕著な周波数特性の違いがあることを効果的に活用するため、暗黙的周波数領域チャネル注目機構を構築し、異なる周波数帯域からの情報を統合する支援を実現した。広範な実験の結果、本研究で提案するネットワーク「ChaIR」は、画像の霞まし除去（dehazing）、画像の運動/焦点外ぼかし除去（motion/defocus deblurring）、雪除去（desnowing）、雨除去（deraining）の5つの画像復元タスクにおいて、13のベンチマークデータセットで最先端の性能を達成した。