초록
본 논문에서는 이미지 하늘림 제거 문제를 이미지 간 번역 문제로 변환하고, 물리적 산란 모델에 의존하지 않고 안개 제거 이미지를 생성하는 개선된 Pix2Pix 하늘림 제거 네트워크(Enhanced Pix2pix Dehazing Network, EPDN)를 제안한다. EPDN은 생성적 적대 신경망(GAN)에 내장되어 있으며, 이에 따라 잘 설계된 강화 모듈(enhancer)이 연결된다. 시각적 인지의 전반적 우선 이론(global-first theory)에 영감을 받아, 판별자는 생성자(generator)가 거시적(scale)에서 가상의 현실적인 이미지를 생성하도록 유도하고, 생성자 뒤에 위치한 강화 모듈은 미시적(scale)에서 현실적인 하늘림 제거 이미지를 생성하도록 요구된다. 강화 모듈은 수용장(Receptive Field) 모델 기반의 두 개의 강화 블록을 포함하여 색상과 세부 정보 측면에서 하늘림 제거 효과를 강화한다. 내장된 GAN은 강화 모듈과 함께 공동으로 학습된다. 합성 데이터셋과 실제 세계 데이터셋에 대한 광범위한 실험 결과를 통해 제안된 EPDN이 PSNR, SSIM, PI 및 주관적 시각적 효과 측면에서 최신 기술 대비 우수한 성능을 보임을 확인하였다.