MixDehazeNet: 이미지 복호화 네트워크를 위한 믹스 구조 블록

이미지 해저닝은 저수준 시각 분야에서 대표적인 과제이다. 기존 연구들은 큰 컨볼루션 커널과 주의 메커니즘(attention mechanism)이 해저닝에 효과적임을 입증하였다. 그러나 두 가지 단점이 존재한다. 첫째, 큰 컨볼루션 커널을 도입할 경우 이미지의 다중 해상도 특성이 쉽게 간과될 수 있다. 둘째, 주의 모듈을 표준적인 직렬 연결 방식으로 구성할 경우, 안개 분포의 비균일성에 대한 고려가 부족하다. 본 논문에서는 이러한 두 가지 문제를 해결하기 위해 새로운 프레임워크인 '믹스 구조 이미지 해저닝 네트워크(Mix Structure Image Dehazing Network, MixDehazeNet)'를 제안한다. 이 프레임워크는 주로 두 가지 구성 요소로 이루어져 있다: 다중 해상도 병렬 큰 컨볼루션 커널 모듈과 개선된 병렬 주의 모듈이다. 단일 큰 커널 대비, 다중 해상도 병렬 커널은 해저닝 과정에서 부분적인 텍스처 정보를 더 효과적으로 반영할 수 있다. 또한, 병렬 연결 방식을 적용한 개선된 병렬 주의 모듈은 비균일한 안개 분포에 대한 해저닝 성능을 향상시킨다. 세 가지 벤치마크에서 실시한 광범위한 실험을 통해 제안한 방법의 효과성을 입증하였다. 예를 들어, 기존 최고 성능 방법 대비 MixDehazeNet은 SOTS 인도어 데이터셋에서 PSNR 42.62dB의 유의미한 성능 향상을 달성하였다. 코드는 https://github.com/AmeryXiong/MixDehazeNet 에 공개되어 있다.