본 연구는 인간의 시각적 단서 기반 디헤이징을 객체 탐지에 통합하는 과정에서 발생하는 어려움을 탐구합니다. 인간의 시각이 환경 조건에 따라 동적으로 적응하는 반면, 계산적 디헤이징은 항상 탐지를 균일하게 향상시키지는 않습니다. 경량 탐지기를 사용하여 관심 영역(RoI)을 식별하고, 공간적 주의 기반 디헤이징을 통해 개선한 후, 더 무거운 모델로 최종 탐지를 수행하는 다단계 프레임워크를 제안합니다. 안개가 낀 환경에서는 효과적이지만, 놀랍게도 선명한 이미지에서는 성능이 저하됩니다. 이 현상을 분석하고 가능한 원인을 조사하여 향상과 탐지를 균형 있게 고려하는 하이브리드 파이프라인 설계에 대한 통찰력을 제공합니다. 본 연구 결과는 선택적 전처리의 필요성을 강조하고, 연쇄 변환의 보편적인 이점에 대한 가정에 의문을 제기합니다.
