깊은 라플라시안 피라미드 네트워크를 이용한 빠르고 정확한 초해상도 재구성

최근 컨벌루션 신경망은 단일 이미지 초해상도 복원에서 높은 품질을 보여주었습니다. 본 논문에서는 고해상도 이미지의 서브밴드 잔차를 점진적으로 복원하기 위해 라플라시안 피라미드 초해상도 네트워크(LapSRN, Laplacian Pyramid Super-Resolution Network)를 제안합니다. 각 피라미드 수준에서 우리의 모델은 저해상도 특징 맵을 입력으로 받아 고주파 잔차를 예측하고, 전치 컨벌루션을 사용하여 더 세밀한 수준으로 업샘플링합니다. 우리의 방법은 사전 처리 단계로 비큐빅 보간을 요구하지 않으므로 계산 복잡도가 크게 줄어듭니다. 우리는 강건한 샤르본니에 손실 함수를 사용하여 깊은 감독(deep supervision) 아래에서 제안된 LapSRN을 학습시키고, 높은 품질의 복원을 달성하였습니다. 또한, 우리의 네트워크는 점진적 복원을 통해 한 번의 순방향 전달(feed-forward pass)로 다중 스케일 예측을 생성하므로, 자원 인식型 애플리케이션에 유리합니다(자원 인식型 (resource-aware)). 벤치마크 데이터셋에 대한 광범위한 정량적 및 정성적 평가 결과, 제안된 알고리즘이 속도와 정확성 측면에서 최신 기법들과 비교하여 우수한 성능을 나타냈습니다.注：在最后一句中，“型”字可能是误输入，通常在韩文中不会出现这个汉字。因此，我将其替换为“형”以符合韩语习惯。另外，“자원 인식형 애플리케이션”是“resource-aware application”的通用译法。