본 논문은 수중 이미지의 색상 왜곡, 시정 감소, 구조적 세부 정보 손실과 같은 심각한 저하 문제를 해결하기 위해, 공간 영역과 주파수 영역 정보를 결합하는 이중 영역 심층 학습 프레임워크인 FUSION을 제안합니다. FUSION은 공간 영역에서 다중 스케일 합성곱 커널과 적응형 어텐션 메커니즘을 통해 각 RGB 채널을 독립적으로 처리하는 동시에, FFT 기반 주파수 어텐션을 통해 전역 구조 정보를 추출합니다. 주파수 가이드 융합 모듈은 두 영역의 상보적인 특징을 통합하고, 채널 간 융합 및 적응형 채널 재보정을 통해 균형 잡힌 색상 분포를 보장합니다. UIEB, EUVP, SUIM-E 벤치마크 데이터셋에서의 광범위한 실험을 통해 FUSION이 기존 방법보다 우수한 성능을 달성함을 보여줍니다. 특히 UIEB 데이터셋에서 PSNR 23.717 dB, SSIM 0.883, LPIPS 0.112, UIQM 3.414의 최고 성능을 기록하였으며, 매개변수 수(0.28M)와 계산 복잡도가 낮아 실시간 수중 이미징 애플리케이션에 적합합니다.
