もやのかかった野生動物画像を改善する：AnimalHaze3kとIncepDehazeGan

Abstract

大気中のヘイズ（かすみ）は野生動物の画像を大きく劣化させ、保全にとって重要なコンピュータビジョン応用（動物の検出、追跡、行動解析など）を妨げます。そこで本研究では、この課題に対処するため、物理ベースのパイプラインにより1,159枚のクリアな野生動物写真から生成した、3,477枚のヘイジ画像から成る合成データセットAnimalHaze3kを導入します。本研究の新規アーキテクチャIncepDehazeGanは、GANフレームワークにおいて、インセプションブロックと残差スキップ接続を組み合わせることで、最先端の性能（SSIM: 0.8914、PSNR: 20.54、LPIPS: 0.1104）を達成し、競合手法と比べてSSIMが6.27%高く、PSNRが10.2%良好です。下流の検出タスクに適用すると、脱ヘイズ画像によりYOLOv11の検出mAPが112%向上し、IoUが67%改善しました。これらの進歩は、生態学者に対して、困難な環境条件下で個体数モニタリングや監視を行うための信頼性の高いツールを提供し、堅牢な視覚解析によって野生動物の保全活動を強化する大きな可能性を示しています。