ALL Snow Removed: 계층적 이중 트리 복소 웨이브렛 표현과 모순 채널 손실을 이용한 단일 이미지 스노우 제거 알고리즘

눈은 일반적으로 눈꽃, 눈줄기 및 흐림 효과(안개나 안개와 유사)를 포함하는 매우 복잡한 대기 현상이다. 본 논문에서는 눈 입자의 모양과 크기 측면에서의 다양성을 해결하기 위해 단일 이미지 눈 제거 알고리즘을 제안한다. 먼저, 복잡한 눈의 형태를 더 잘 표현하기 위해 이중 트리 웨이브렛 변환(dual-tree wavelet transform)을 적용하고, 네트워크 내에서 복소 웨이브렛 손실(Complex Wavelet Loss)을 제안한다. 두 번째로, 눈 입자의 다양한 크기를 보다 효과적으로 이해하기 위해 계층적 분해 패러다임(hierarchical decomposition paradigm)을 네트워크에 도입한다. 마지막으로, 눈 풍경에 특화된 새로운 특징인 모순 채널(Contradict Channel, CC)을 제안한다. 우리는 눈 입자가 포함된 영역이 눈이 없는 영역보다 CC에서 더 높은 강도를 가지는 경향이 있음을 발견하였으며, 이 특징적인 정보를 활용하여 눈 제거 성능을 향상시키기 위한 모순 채널 손실(Contradict Channel Loss)을 설계한다. 또한 기존 눈 데이터셋의 한계로 인해 다양한 눈 상황을 포괄적으로 시뮬레이션하기 위해 대규모 데이터셋인 종합 눈 데이터셋(Comprehensive Snow Dataset, CSD)을 제안한다. 실험 결과, 제안된 방법이 세 가지 합성 데이터셋과 실세계 데이터셋에서 기존 방법들을 유리하게 능가함을 보여준다. 코드 및 데이터셋은 https://github.com/weitingchen83/ICCV2021-Single-Image-Desnowing-HDCWNet 에 공개되어 있다.