초록
단일 이미지 디해징은 현대의 많은 자율 시각 응용 프로그램에서 중요한 단계입니다. 초기 이전 지식 기반 방법은 종종 수작업으로 설계된 에너지 함수의 시간 소모적인 최소화를 포함했습니다. 최근 학습 기반 접근 방식은 깊은 신경망(DNNs)의 표현 능력을 활용하여 흐린 이미지와 맑은 이미지 간의 기본 변환을 학습합니다. 맑은 이미지와 흐린 이미지를 일치시키는 데 본질적인 제한이 있기 때문에 이러한 방법들은 실내 이미지와 해당 깊이 정보로 구성된 합성 데이터에서 학습하는 방식을 취합니다. 이는 야외 장면을 처리할 때 도메인 차이가 발생할 가능성이 있습니다. 우리는 잘 알려진 어두운 채널 사전(Dark Channel Prior, DCP) 에너지 함수의 최소화를 통해 완전히 비지도 학습 방법을 제안합니다. 네트워크에 합성 데이터를 입력하는 대신, 우리는 오직 실제 야외 이미지를 사용하여 네트워크의 매개변수를 직접 최소화함으로써 조정합니다. 우리의 "딥 DCP" 기술은 DCP의 빠른 근사자로 간주될 수 있지만, 실제로 그 결과를 크게 개선합니다. 이는 네트워크와 학습 과정을 통해 얻어지는 추가적인 정규화를 시사합니다. 실험 결과, 우리의 방법이 대규모 지도 학습 방법과 동등한 성능을 보임을 확인할 수 있었습니다.