스타일과 안개가 모두 중요하다: 의미론적 안개 낀 장면 이해를 위한 누적 도메인 적응

맑은 날씨 하에서 의미론적 장면 이해 분야는 상당한 진전을 이뤘으나, 밀도 높은 안개와 같은 악천후 조건에서는 관측의 불완전성으로 인한 불확실성 때문에 여전히 도전적인 문제로 남아 있다. 게다가 안개가 낀 이미지의 수집과 라벨링이 어려운 점도 이 분야의 발전을 저해하고 있다. 맑은 날씨 하에서의 의미론적 장면 이해 성공 사례를 고려할 때, 맑은 이미지에서 학습한 지식을 안개 낀 환경으로 전이하는 것은 합리적인 접근이라고 판단된다. 따라서 문제는 맑은 이미지와 안개 낀 이미지 간의 도메인 갭(domain gap)을 메우는 것으로 변환된다. 기존의 방법들이 주로 안개로 인한 도메인 갭을 해소하는 데 초점을 맞추어 안개 제거(defogging) 또는 맑은 이미지에 안개를 추가(fogging)하는 방식을 사용한 것과 달리, 본 연구에서는 안개 영향과 스타일 변형을 동시에 고려하여 도메인 갭을 완화하는 새로운 접근을 제안한다. 그 동기는, 중간 도메인(intermediate domain)을 도입함으로써 스타일 관련 갭과 안개 관련 갭을 각각 분리하고 별도로 해소할 수 있음을 발견한 데서 비롯된다. 이를 바탕으로, 스타일, 안개, 그리고 이중 요인(스타일과 안개)을 누적적으로 적응시키는 새로운 파이프라인을 제안한다. 구체적으로, 서로 다른 도메인의 이미지에서 스타일 요인과 안개 요인을 별도로 분리하고, 이 둘을 결합한 이중 요인까지도 분리할 수 있는 통합적 프레임워크를 설계하였다. 더불어, 이 세 가지 요인의 분리 과정을 효과적으로 지원하기 위해 새로운 누적 손실(cumulative loss)을 도입하여 세 요인을 철저히 분리한다. 제안된 방법은 세 가지 벤치마크에서 최신 기술(SOTA) 성능을 달성하였으며, 비와 눈이 내리는 환경에서도 일반화 능력을 보여주었다.