단일 이미지 제거(Dehazing)는 잘 정해지지 않은 문제로서, 그동안 수많은 연구의 관심을 받아 왔다. 그러나 현재까지 제안된 거의 모든 방법은 입력 이미지가 이미 안개(haze)의 영향을 받은 상태라고 가정한다. 자율적인 단일 이미지 제거에 대해서는 거의 연구가 이루어지지 않았다. 딥러닝 제거 모델은 널리 알려진 일반화 능력이라는 특성을 보유하는 것으로 주장되지만, 다양한 안개 조건을 가진 이미지에서는 만족스러운 성능을 보이지 않는다. 본 논문에서는 자율적 단일 이미지 제거를 위한 새로운 접근법을 제시한다. 우리의 접근법은 선명도 향상, 적응적 제거, 이미지 블렌딩, 적응적 톤 매핑의 네 가지 주요 단계로 구성된다. 전역 안개 밀도 가중치(global haze density weight)는, 안개가 없는 경우뿐 아니라 약한, 중간, 그리고 짙은 안개의 영향을 받는 경우를 포함하여 다양한 안개 조건을 처리하기 위해 적응적 제거와 톤 매핑을 구동한다. 한편 제안된 접근법은 이미지 블렌딩을 유도하기 위해 패치 기반 안개 밀도 가중치를 채택함으로써 국소적 텍스처를 향상시킨다. 최신 기술(state-of-the-art) 방법들과의 비교 성능 분석은 제안된 접근법의 효율성을 입증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.