다양한 안개 상황을 위한 단일 이미지 디헤이징을 위한 백프로젝션 피라미드 네트워크

하나의 흐린 이미지에서 안개를 제거하는 것은 특히 소규모 훈련 데이터셋을 사용할 때 매우 도전적인 과제입니다. 본 연구에서는 이러한 문제를 해결하기 위해 새로운 생성적 적대 신경망 아키텍처인 백프로젝션 피라미드 네트워크(BPPNet)를 제안합니다. 이 네트워크는 밀도 높은 안개와 비균질 안개를 포함한 다양한 어려운 안개 조건에서 뛰어난 성능을 보입니다. 제안한 아키텍처는 UNet의 반복 블록을 통해 공간적 맥락을 유지하면서 다수의 복잡도 수준을 동시에 학습하고, 새로운 피라미드 컨볼루션 블록을 통해 다중 스케일의 구조적 정보를 효과적으로 추출합니다. 이러한 블록들은 생성기 내에서 함께 작동하며, 백프로젝션을 통한 학습에 적합하도록 설계되었습니다. 실험을 통해 단지 20쌍의 흐린 이미지와 흐리지 않은 이미지 쌍만으로도 과적합 없이 네트워크를 훈련시킬 수 있음을 입증했습니다. 또한, 실내 및 실외 이미지에 대한 NTIRE 2018 동질 안개 데이터셋, NTIRE 2019 밀도 안개 데이터셋, 그리고 NTIRE 2020 비동질 안개 데이터셋에서 최신 기술 수준의 성능을 달성하였습니다.