LGGAN: Local-Global Guided Generative Adversarial Network for Adverse-Weather Image Restoration

자율주행, 감시 등 컴퓨터 비전 응용이 확대됨에 따라 비, 안개, 야간과 같은 악천후 환경에서 저하되는 객체 검출 성능을 개선하기 위한 영상 복원 연구가 중요해지고 있다. 그러나 기존 접근은 특정 날씨별로 분리되어 있거나 전역 색상 또는 조명 보정에 치우쳐 국소 객체의 경계 및 텍스처를 보존하면서 장면의 전역 맥락을 함께 맞추는 데 한계를 보인다. 본 논문은 이러한 문제를 해결하기 위해 LGGAN(Local-Global Guided Generative Adversarial Network)을 제안한다. LGGAN은 멀티스케일 CNN 분기로 세부 구조와 경계를 보존하고, Swin Transformer 분기를 통해 이미지 전반의 색과 대비 왜곡을 교정한다. 또한, 본 논문에서는 제안 모델의 성능을 RESIDE, DAWN, AWD 데이터셋과 화질 및 분포 지표와 mAP 지표로 평가하였다. 결과적으로 LGGAN은 YOLOv5/8/10 전반에서 비교 모델 대비 mAP을 향상시키고, 분포 및 화질 지표에서도 동급 이상의 성능을 보였다.