본 논문은 지능형 이미징에서 중요한 역할을 하는 핵심 시각 요소의 탐지 및 분할을 위한 눈에 띄는 객체 탐지(SOD)에서 낮, 저조도 및 야간 안개와 같은 열악한 이미징 조건이 실제 시나리오에서 이미지 품질을 심각하게 저하시키고 신뢰할 수 있는 객체 탐지를 방해한다는 문제를 해결하기 위해, 세 가지 작업(주간 안개 제거, 저조도 향상, 야간 안개 제거)을 통합한 다중 지식 지향적 야간 안개 이미징 향상기(MKoIE)를 제안합니다. MKoIE는 작업 지향적 노드 학습 메커니즘과 다중 수용 영역 향상 모듈을 사용하여 주간 안개, 저조도 및 야간 안개 조건에서의 성능을 향상시키고, 실시간 이미징 배포 요구 사항을 충족하기 위해 계산 오버헤드를 최소화하면서 다중 스케일 특징을 효율적으로 추출합니다. 또한, 최적의 이미지 재구성 품질과 시각적 특성을 보장하기 위해 하이브리드 손실 함수를 제안합니다. 다양한 유형의 날씨/이미징 조건에 대한 광범위한 실험을 통해 MKoIE가 기존 방법을 능가하여 지능형 이미징의 신뢰성, 정확성 및 운영 효율성을 향상시킨다는 것을 보여줍니다.
