EnhanceNet: 자동 텍스처 합성을 통한 단일 이미지 초해상도 재생성

단일 이미지 초해상도는 단일 저해상도 입력으로부터 고해상도 이미지를 추론하는 작업입니다. 전통적으로, 이 작업의 알고리즘 성능은 피크 신호 대 잡음 비율(PSNR)과 같은 픽셀별 재구성 측정치를 사용하여 평가되어 왔습니다. 그러나 이러한 지표들은 인간의 이미지 품질 인식과 상관관계가 낮다는 것이 입증되었습니다. 결과적으로, 이러한 메트릭을 최소화하는 알고리즘은 높은 PSNR 값을 얻음에도 불구하고 고주파 텍스처가 부족하고 자연스럽지 않은 과도하게 매끄러운 이미지를 생성하는 경향이 있습니다.우리는 현실적인 텍스처 생성에 중점을 둔 지각적 손실(perceptual loss)을 활용한 자동 텍스처 합성의 새로운 응용 방법을 제안합니다. 훈련 시 지면 진실 이미지의 픽셀 정확도 최적화보다는 실제적인 텍스처 생성에 초점을 맞추는 방식입니다. 적대적 훈련 설정에서 피드포워드 완전 컨볼루션 신경망(feed-forward fully convolutional neural networks)을 사용함으로써, 우리는 고 배율 비율에서 이미지 품질에 큰 개선을 이룰 수 있었습니다. 여러 데이터셋에 대한 광범위한 실험 결과, 우리의 접근법이 양적 및 질적 벤치마크 모두에서 최신 연구 결과를 달성한다는 것을 보여주었습니다.