초록
우리는 이미지 흐림 제거를 위한 물리 기반 특징 흐림 제거 네트워크를 제안한다. 기존의 대부분의 엔드 투 엔드 학습 가능한 네트워크 기반 흐림 제거 방법들과 달리, 본 연구에서는 네트워크 설계 시 안개 형성의 물리 모델을 명시적으로 고려하고, 깊은 특징 공간에서 안개를 제거하는 방식을 채택한다. 우리는 물리 모델을 기반으로 이미지 흐림 제거에 유용한 특징을 탐색하기 위해 깊은 특징 공간에 적용 가능한 효과적인 특징 흐림 제거 유닛(FDU, Feature Dehazing Unit)을 제안한다. FDU는 잔차 학습을 적용한 인코더-디코더 아키텍처에 통합되어, 제안된 네트워크가 엔드 투 엔드 방식으로 학습 가능하게 하며, 안개 제거에 효과적으로 기여할 수 있도록 한다. 인코더 모듈은 특징 추출을, 디코더 모듈은 클리어 이미지 재구성 작업을 담당한다. 잔차 학습은 깊은 신경망의 정확도를 높이고 학습 과정을 용이하게 하는 데 활용된다. 제안된 네트워크의 효과성을 분석하고, 최신 기술 대비 우수한 성능을 보이며 이미지 흐림 제거를 효과적으로 수행함을 실험적으로 입증하였다.