Gated Fusion Network for Single Image Dehazing 게이트 융합 네트워크를 이용한 단일 이미지 해질제거

본 논문에서는 흐린 입력 이미지에서 직접 명료한 이미지를 복원하기 위한 효율적인 알고리즘을 제안합니다. 제안된 알고리즘은 인코더와 디코더로 구성된 엔드투엔드 학습 가능한 신경망에 기반하고 있습니다. 인코더는 파생된 입력 이미지의 맥락을 포착하는 데 활용되며, 디코더는 인코더가 학습한 표현을 바탕으로 각 입력이 최종 해무 결과에 미치는 영향을 추정하는 데 사용됩니다. 구축된 네트워크는 원래 흐린 이미지에서 화이트 밸런스(WB), 대조 강화(CE), 감마 보정(GC)를 적용하여 세 가지 입력을 도출하는 새로운 융합 기반 전략을 채택합니다. 우리는 이러한 다양한 입력 간의 외관 차이를 기반으로 픽셀 단위로 신뢰도 지도를 계산하여 파생된 입력의 정보를 혼합하고 시각적으로 만족스러운 영역을 유지합니다. 최종 해무 이미지는 파생된 입력의 중요한 특성을 게이팅(gating)하여 생성됩니다. 네트워크를 학습시키기 위해 우리는 하โล 아티팩트(halo artifacts)를 피할 수 있는 다중 스케일 접근법을 소개합니다. 합성 이미지와 실제 세계 이미지에 대한 광범위한 실험 결과가 제시되어 있으며, 이 결과들은 제안된 알고리즘이 최신 알고리즘들에 비해 우수한 성능을 발휘함을 보여줍니다.