PDR-Net: 인식 기반 단일 이미지 해제 네트워크와 정제

최근 몇 년 동안 우리는 사람들의 멀티미디어 콘텐츠를 촬영하고 공유하는 방식을 혁신한 무선 네트워크 기술의 빠른 발전을 목격했습니다. 그러나 야외 장면에서 촬영된 이미지는 대기 중 부유 입자로 인해 가시성이 제한되는 경우가 많아 사진의 품질에 직접적인 영향을 미칩니다. 이미지 해제 방법의 최근 발전에도 불구하고, 해제 결과의 시각적 품질은 여전히 추가적인 개선이 필요합니다. 본 논문에서는 단일 이미지 해제를 위한 심층 합성곱 신경망(CNN)인 PDR-Net을 제안하며, 이는 잠재적인 해제 이미지를 재구성하는 인식 기반 안개 제거 서브네트워크와 해제 결과의 대비 및 색상 속성을 공동 다항 손실 최적화를 통해 더욱 향상시키는 정제 서브네트워크를 포함합니다. 기존의 방법들과 비교하여, 우리의 방법은 기존의 실내외 이미지 해제 훈련 데이터의 장점을 결합하여 제안된 PDR-Net이 다양한 안개 이미지에 일반화되고 해제 결과의 시각적 품질 개선에 효과적임을 보여줍니다. 광범위한 실험 결과 제안된 방법이 질적 및 양적 측면에서 실제 및 합성 이미지 모두에서 유사하거나 더 나은 성능을 달성함을 입증합니다. 또한, 고급 비전 작업에서 우리의 방법의 잠재적 사용에 대해서도 논의합니다.