음성 예의 어려움
대조 학습에서 깨끗한 영상에 가까워지고 음성 예에서 멀어지도록 제약할 수 있다. 그러나 음성 예가 너무 멀리 있으면 가능한 복원 결과의 범위를 충분히 좁히지 못할 수 있다. C2PNet은 음성 예의 구성과 난이도를 함께 고려한다.
다른 복원 결과의 활용
안개가 낀 입력에 더해 기존 방법으로 얻은 대응 복원 결과를 음성 예에 포함할 수 있다. 깨끗한 영상과 각 음성 예의 임베딩 유사도가 다르면 학습 난이도도 달라진다. 교육과정 전략으로 음성 예들의 중요도를 다시 가중한다.
물리 모형을 고려한 구조
대기 산란 모형에 바탕을 둔 물리 인식 두 경로 단위를 사용한다. 이를 대조 정규화와 결합해 전체 안개 제거망을 구성한다. 물리 과정을 고려한다는 설명이 모든 실제 날씨나 촬영 조건을 정확하게 복원한다는 보장은 아니다.
가까운 오답의 역할
설명용 정답 값이 0이고 후보가 2일 때 음성 값 100과 구분하는 일은 쉽다. 음성 값이 3이라면 더 세밀한 구분이 필요하다. 이는 음성 예 난이도의 개념 설명이며 실제 특징 공간의 거리나 손실식, 교육과정 가중치 공식은 아니다.
관련 문서
AECR-Net / FAMED-Net / FFA-Net / DehazeFormer / MSBDN / AOD-Net