초록
본 논문은 현재 이미지 디해징 분야에서 물리적 모델의 한계를 다루고, 혁신적인 디해징 네트워크(CL2S)를 제안합니다. DM2F 모델을 기반으로 하여, 이 논문은 그 모델의 아블레이션 실험에서 문제점을 파악하고 원래의 로그 함수 모델을 삼각함수(사인) 모델로 대체합니다. 이 치환은 안개의 복잡하고 다양한 분포에 더 잘 맞추기 위한 것입니다. 또한, 본 접근 방식은 대기 산란 모델과 다른 기본 함수들을 통합하여 디해징 성능을 향상시키는 데 중점을 두고 있습니다. 실험 결과는 CL2S가 여러 디해징 데이터셋에서 뛰어난 성능을 보임을 입증하며, 특히 이미지 세부 정보와 색상 정확도 유지 측면에서 우수한 성능을 나타냅니다. 또한 체계적인 아블레이션 실험이 DM2F의 문제점들을 검증하고, 제안된 CL2S 모델의 기능 구성 요소들의 필요성과 효과성을 확인합니다. 우리의 코드는 \url{https://github.com/YesianRohn/CL2S}에서 제공되며, 해당 사전 학습된 모델들 역시 접근할 수 있습니다.