GridDehazeNet: 주의기반 다중 스케일 네트워크를 이용한 이미지 화질 개선

단일 이미지 디해징을 위한 엔드투엔드 학습 가능한 컨벌루션 신경망(CNN)인 GridDehazeNet을 제안합니다. GridDehazeNet은 세 가지 모듈로 구성됩니다: 전처리, 백본, 후처리. 학습 가능한 전처리 모듈은 수동으로 선택된 전처리 방법에서 유래된 입력보다 더 다양한 특성과 관련성이 높은 특성을 가진 학습된 입력을 생성할 수 있습니다. 백본 모듈은 그리드 네트워크에서 새로운 주의 기반 다중 스케일 추정을 구현하여, 기존의 다중 스케일 접근 방식에서 자주 발생하는 병목 현상을 효과적으로 완화할 수 있습니다. 후처리 모듈은 최종 출력에서 아티팩트를 줄이는 데 도움을 줍니다. 실험 결과는 GridDehazeNet이 합성 이미지와 실제 세계 이미지 모두에서 최신 기술들을 능가함을 보여줍니다. 제안된 디해징 방법은 대기 산란 모델에 의존하지 않으며, 합성 이미지의 디해징 결과만 고려하더라도 대기 산란 모델이 제공하는 차원 축소의 이점을 활용하는 것이 반드시 유리하지 않을 수 있는 이유에 대해 설명을 제공합니다.