DehazeDCT: 비균질 안개 제거를 위한 유연한 컨볼루션 트랜스포머 접근

이미지 흐림 제거는 저수준 시각 분야에서 핵심적인 과제로, 안개가 낀 이미지로부터 시야와 세부 정보를 복원하는 것을 목표로 한다. 강력한 표현 학습 능력을 지닌 많은 딥러닝 기법들은 비균질 안개 제거에서 뛰어난 성능을 보이고 있으나, 이러한 방법들은 일반적으로 높은 해상도 이미지(예: 4000 × 6000)를 처리할 때 계산 부담이 크기 때문에 어려움을 겪는다. 이러한 문제를 해결하기 위해, 우리는 변형 가능 컨볼루션 기반의 트랜스포머 유사 아키텍처(Deformable Convolutional Transformer-like architecture)를 활용한 혁신적인 비균질 안개 제거 방법인 DehazeDCT를 제안한다. 구체적으로, 변형 가능 컨볼루션 v4를 기반으로 한 트랜스포머 유사 네트워크를 설계하여 장거리 의존성과 적응형 공간 집계 능력을 확보하였으며, 이는 더 빠른 수렴 속도와 전방 계산 속도를 보여준다. 또한, 경량화된 Retinex 기반 트랜스포머를 활용하여 색상 보정과 구조 개선을 달성한다. NTIRE 2024 Dense 및 비균질 안개 제거 챌린지에서 실시한 광범위한 실험 결과는 제안된 방법이 매우 경쟁력 있는 성능을 보였으며, 총 16개의 제출 중 2위를 차지함으로써 그 우수성을 입증하였다. 코드는 다음과 같이 공개되어 있다: https://github.com/movingforward100/Dehazing_R.