Core Concepts
제안된 VIFNet은 가시광선 및 적외선 이미지의 다중 스케일 깊이 구조 특징을 효과적으로 융합하여 안개가 짙은 환경에서도 고품질의 이미지를 복원할 수 있다.
Abstract
이 연구에서는 가시광선-적외선 융합 기반의 안개 제거 네트워크 VIFNet을 제안한다.
깊이 구조 특징 추출 단계에서 DSFE 모듈을 사용하여 공간적, 주변 정보를 효과적으로 탐색한다.
특징 가중치 융합 단계에서 불일치 융합 전략을 도입하여 두 모달리티 간의 신뢰할 수 있고 일관된 정보에 더 큰 가중치를 부여한다.
AirSim 시뮬레이션 플랫폼을 기반으로 가시광선-적외선 안개 제거 데이터셋 AirSim-VID를 구축하였다.
실험 결과, VIFNet은 다양한 안개 농도 조건에서 기존 방법들보다 우수한 성능을 보였으며, 특히 짙은 안개 환경에서 두드러진 개선 효과를 나타냈다.
Stats
안개가 짙은 환경에서 VIFNet은 기존 방법보다 8.65dB 더 높은 PSNR 성능을 보였다.
안개 농도가 증가할수록 VIFNet의 SSIM 값도 0.0277에서 0.2067로 크게 향상되었다.
Quotes
"VIFNet은 가시광선 및 적외선 이미지의 다중 스케일 깊이 구조 특징을 효과적으로 융합하여 안개가 짙은 환경에서도 고품질의 이미지를 복원할 수 있다."
"제안된 불일치 융합 전략은 두 모달리티 간의 신뢰할 수 있고 일관된 정보에 더 큰 가중치를 부여하여 융합 성능을 향상시킨다."