초록
이미지 초해상도(SR) 분야에서 성공적으로 적용된 딥 모델로서, 초해상도 합성곱 신경망(SRCNN, Super-Resolution Convolutional Neural Network)은 속도와 복원 품질 면에서 이전의 수작업 모델들보다 우수한 성능을 보여주었습니다. 그러나 높은 계산 비용은 여전히 실시간 성능(24 fps)을 요구하는 실제 사용에 장애가 되고 있습니다. 본 논문에서는 현재 SRCNN의 가속화를 목표로 하며, 더 빠르고 좋은 SR을 위해 컴팩트한 아워글래스 형태의 CNN 구조를 제안합니다. 우리는 SRCNN 구조를 주로 세 가지 측면에서 재설계하였습니다. 첫째, 네트워크의 마지막 부분에 역합성곱(deconvolution) 계층을 도입하여, 보간 없이 원본 저해상도 이미지에서 고해상도 이미지로 직접 매핑을 학습합니다. 둘째, 매핑 계층을 재정의하여 매핑 전 입력 특징 차원을 축소하고 그 후 다시 확장합니다. 셋째, 필터 크기를 작게 하되 더 많은 매핑 계층을 사용합니다. 제안된 모델은 40배 이상의 속도 향상을 이루면서 더욱 우수한 복원 품질을 제공합니다. 또한, 일반적인 CPU에서도 실시간 성능을 달성하면서 여전히 좋은 성능을 유지할 수 있는 파라미터 설정을 제시합니다. 다양한 스케일링 요인 간의 빠른 학습과 테스트를 위한 대응 전략도 함께 제안됩니다.