SDWNet: 이미지 흐림 제거를 위한 웨이블릿 변환을 갖춘 직선 확장 네트워크

이미지 흐림 제거는 흐린 이미지로부터 선명한 이미지를 복원하는 전통적인 컴퓨터 비전 문제이다. 이 문제를 해결하기 위해 기존의 방법들은 복잡한 네트워크 구조를 설계하기 위해 인코더-디코더 아키텍처를 활용해 뛰어난 성능을 달성하고자 한다. 그러나 대부분의 이러한 방법들은 수차례의 업샘플링 및 다운샘플링 구조를 반복하여 수용 영역(Receptive Field)을 확장하는 방식을 사용하는데, 이 과정에서 텍스처 정보가 손실되는 문제가 발생한다. 또한 일부 방법은 다단계 구조를 설계함으로써 수렴의 어려움을 야기한다. 이에 따라 본 연구에서는 확장된 컨볼루션(dilated convolution)을 활용하여 높은 공간 해상도를 유지하면서도 넓은 수용 영역을 확보하는 방식을 제안한다. 다양한 수용 영역을 효과적으로 활용함으로써, 보다 우수한 성능을 달성할 수 있다. 이와 함께 업샘플링 및 다운샘플링의 횟수를 줄이고 단순한 네트워크 구조를 설계하였다. 더불어 웨이블릿 변환(Wavelet Transform)을 활용한 새로운 모듈을 제안하여, 네트워크가 고주파 텍스처 세부 정보를 효과적으로 복원할 수 있도록 했다. 실제 및 합성 데이터셋에 대한 정성적 및 정량적 평가 결과, 제안하는 흐림 제거 방법은 기존 알고리즘과 비견되는 성능을 보이면서도 훈련 요구 사항이 훨씬 낮음을 입증하였다. 소스 코드 및 사전 훈련 모델은 다음 링크에서 제공된다: https://github.com/FlyEgle/SDWNet.