要約
我々は、画像の霞消去に向けた物理モデルに基づく特徴霞消去ネットワークを提案する。既存の大多数のエンドツーエンド学習可能なネットワークベースの霞消去手法とは異なり、本手法ではネットワーク設計において霞の物理モデルを明示的に考慮し、深層特徴空間において霞を除去する。そこで、物理モデルに基づいて画像霞消去に有用な特徴を探索するための効果的な特徴霞消去ユニット（Feature Dehazing Unit: FDU）を提案する。FDUは、残差学習を組み込んだエンコーダ・デコーダ構造に組み込まれており、これにより提案ネットワークはエンドツーエンドで学習可能となり、霞の除去に効果的に寄与する。エンコーダモジュールは特徴抽出を、デコーダモジュールは鮮明な画像の再構成をそれぞれ担う。残差学習を導入することで、深層ニューラルネットワークの精度向上と学習の安定化が実現される。本手法の有効性を分析し、最先端の手法と比較して優れた性能を発揮することを実証した。