단일 이미지 초해상도를 위한 개선된 딥 잔차 네트워크

최근 초해상도(super-resolution) 연구는 깊은 합성곱 신경망(Deep Convolutional Neural Networks, DCNN)의 발전과 함께 진전되었습니다. 특히, 잔차 학습(residual learning) 기술이 성능 향상을 보여주고 있습니다. 본 논문에서는 현재 최신 초해상도(SR) 방법론보다 우수한 성능을 보이는 강화된 깊은 초해상도 네트워크(Enhanced Deep Super-Resolution Network, EDSR)를 개발하였습니다. 우리 모델의 상당한 성능 향상은 전통적인 잔차 네트워크에서 불필요한 모듈을 제거하여 최적화함으로써 이루어졌습니다. 또한 모델 크기를 확장하면서 학습 절차를 안정화시킴으로써 성능을 더욱 향상시켰습니다. 우리는 또한 단일 모델에서 다양한 스케일 업 팩터(upscaling factors)의 고해상도 이미지를 재구성할 수 있는 새로운 다중 스케일 초해상도 시스템(Multi-Scale Deep Super-Resolution System, MDSR)과 학습 방법을 제안합니다. 제안된 방법론들은 벤치마크 데이터셋에서 최신 방법론들보다 우수한 성능을 보였으며, NTIRE2017 초해상도 챌린지에서 우승함으로써 그 우수성을 입증하였습니다.