본 논문은 고해상도 표현 학습의 발전으로 주목받고 있는 이미지 디헤이징(dehazing) 작업에서, 기존 다양한 데이터셋을 단순히 결합하는 대규모 학습 방식의 한계를 극복하기 위해 새로운 방법을 제안합니다. 이 방법은 데이터 간 도메인 갭을 해소하기 위해 자기 지도 학습 방식으로 내부 및 외부 지식을 적응시키는 크로스-데이터 비전 정렬(cross-data vision alignment)을 사용합니다. 외부 정렬을 통해 서로 다른 도메인의 데이터셋을 강력하게 정렬하고, 내부 증강 기법을 통해 이미지 내부의 국소 정보를 최대한 활용하여 더욱 정확한 디헤이징을 수행합니다. Natural Image Dataset (NID)을 사용한 실험 결과, 제안된 방법이 기존 방법보다 우수한 성능을 보이며, 실제 안개 없는 이미지에 가장 근접한 디헤이징 결과를 생성함을 보여줍니다.
