다중 스케일 부스팅 디헤이징 네트워크와 밀집 특징 융합

본 논문에서는 U-Net 아키텍처 기반의 다중 스케일 부스팅 화이트닝 네트워크와 밀집 특징 융합을 제안한다. 제안된 방법은 부스팅과 오차 피드백이라는 두 가지 원리를 기반으로 설계되었으며, 이들이 화이트닝 문제에 적합함을 입증한다. 제안된 모델의 디코더에 Strengthen-Operate-Subtract 부스팅 전략을 도입함으로써, 점진적으로 화이트닝된 이미지를 복원하는 간단하면서도 효과적인 부스팅 디코더를 개발하였다. 또한 U-Net 아키텍처에서 공간 정보 보존 문제를 해결하기 위해, 역전파 피드백 방식을 활용한 밀집 특징 융합 모듈을 설계하였다. 본 연구에서는 밀집 특징 융합 모듈이 고해상도 특징에서 상실된 공간 정보를 동시에 보완하고, 인접하지 않은 특징 정보도 효과적으로 활용할 수 있음을 보였다. 광범위한 평가 결과, 제안된 모델이 기준 데이터셋과 실제 화이트닝 이미지 모두에서 최신 기술 대비 우수한 성능을 보임을 확인하였다.