영상 디헤이징(image dehazing)은 대기 간섭을 제거하여 견고한 시각 응용, 예컨대 감시와 원격탐사에서 불리한 가시 조건 하에서도 안정적으로 작동할 수 있도록 하는 데 필수적이지만, 여전히 널리 퍼져 있는 도전 과제로 남아 있다. 다양한 방법론이 발전해 왔음에도 불구하고, 이러한 접근들은 본질적으로 디헤이징 품질 지표를 우선시하는 경향이 있으며, 자율주행과 같이 시간에 민감한 영역에서의 실시간 적용 필요성을 간과한다. 디헤이징에서 선도적인 하이브리드 패러다임의 필요성을 고려하여, 우리는 FALCON을 제안하며, 이는 품질과 속도 모두에서 최신 수준의 성능을 달성하는 영상 디헤이징 시스템이다. 특히 우리는 Continuous Density Mask (CDM)라 불리는 새로운 접근을 통해 기반의 헤이즈(haze) 분포를 활용한다. CDM은 모델의 입력 전 및 보조 손실로 사용되는 연속값 마스크로서, 모델이 픽셀 단위의 헤이즈 밀도를 명시적으로 식별할 수 있게 한다. 또한 우리는 헤이즈 밀도 계산을 미분 가능(differentiable)한 방식으로 구현한다. 더 나아가 우리는 -Net에 단일 병목(bottleneck) 모듈을 추가하여 수용영역(receptive field)을 전역적으로 확장하는, 저(低) 모델 워크로드(low model-workload) 레시피를 도입한다. 실험 결과는 디헤이징 품질과 속도 양 측면에서 FALCON이 탁월한 성능을 보임을 보여준다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.