Image Dehazing using Conditional Context-aware Generative Adversarial Network

국문 초록 (Abstract)

기후 변화 인해 흐리고 흐린 날씨가 자주 일어나기 때문에 시야가 좁아진다. 최근 이미지 디헤이징을 위한 딥러닝 접근법의 개발에서, 이 작업은 컴퓨터 비전에서 좋지않은 성능으로 도전적인 문제로 여전히 간주된다. 본 논문에서 제안된 비지도 딥 러닝 모델인 이미지 디헤이징의 성능을 향상시킨다. 제안된 모델은 이미지 디헤이징 작업을 강화하기 위해 조건부 상황 인식 생성적 적대 네트워크를 통한 비지도 학습 방법을 채택했다. 이 모델은 희미해진 데이터와 원래의 희미하지 않은 훈련 데이터 사이의 상황 차이를 기반으로 희미함을 제거하는 방법을 학습한다. 또한 제안된 모델은 이미지의 사실적인 텍스처 정보를 생성하고 복잡한 흐릿한 이미지에 대한 시각적 대비를 향상시키기 위해 성공적인 정확도를 달성했다.

다국어 초록 (Multilingual Abstract)

Due to climate change, cloudy and hazy weather frequently occurs; therefore, this weather condition reduces visibility. In the recent development of deep learning approaches for image dehazing, the task remains considered an ill-posed and challenging problem in computer vision. Enhance the performance of image dehazing, an unsupervised deep learning model proposed in this paper. The proposed model adopted the unsupervised learning strategy with Conditional Context-aware Generative Adversarial Network to enhance the image dehazing task. The model learns to remove the haze based on the context difference between the dehazed and original haze-free training data. In addition, the proposed model achieved successive accuracy to generate realistic texture information of the image and enhance visual contrast for the complex hazy image.

목차 (Table of Contents)

• Abstract
• 요약
• Ⅰ. Introduction
• Ⅱ. Proposed Method
• Ⅲ. Experiment & Results
• Ⅳ. Conclusion
• References