提案手法DART(Diverse Attention Fusion Restoration Transformer)は、長シーケンス、局所・大域的領域、特徴次元、位置次元の情報を統合的に活用することで、複雑なパターンの回復に優れた性能を発揮する。
事象カメラのセンサー設計上の欠陥により生じる欠損ピクセル値の問題に対し、Swin Transformerベースのバックボーンとピクセルフォーカスロス関数を提案し、高品質なRGB画像の再構築を実現する。
TSNetは、多重スケールの融合モジュールと適応学習モジュールを用いて、合成データセットと実世界データセットの両方で優れた視界回復性能を発揮する。また、2段階のネットワーク設計により、初段のデハージング処理の結果を第2段階で最適化することで、アーチファクトや色歪みを効果的に低減する。
本手法は、マルチスケールの陰関数ニューラルネットワーク表現と双方向のフィードバック機構を統合することで、複雑な雨ストリークを効果的にモデル化し、高品質な画像復元を実現する。