초록
이미지 해징은 저수준 비전 분야에서 활발히 연구되고 있는 주제이며, 딥러닝의 급속한 발전과 함께 다양한 이미지 해징 네트워크가 제안되어 왔다. 이러한 네트워크의 처리 파이프라인은 비교적 잘 작동하지만, 이미지 해징 성능을 향상시키는 핵심 메커니즘은 여전히 명확하지 않다. 이에 따라 우리는 복잡한 모듈을 도입하는 것보다는, 대표적인 U-Net 아키텍처에 최소한의 수정을 가함으로써 컴팩트한 해징 네트워크를 설계하는 데 초점을 맞췄다. 구체적으로, U-Net 내의 기존 합성곱 블록을 게이팅 메커니즘을 갖춘 잔차 블록으로 교체하고, 메인 경로와 스위프트 연결의 특징 맵을 선택적 커널(Selective Kernel)을 통해 융합하였다. 이를 통해 도출된 U-Net의 변형 모델을 gUNet이라 명명하였다. 그 결과, 상당히 낮은 계산 부담으로도 gUNet은 여러 이미지 해징 데이터셋에서 최신 기법들을 뛰어넘는 성능을 달성하였다. 마지막으로, 다양한 제거 실험(Ablation Study)을 통해 제안된 주요 설계 요소들이 이미지 해징 네트워크의 성능 향상에 기여함을 실험적으로 검증하였다.