SESR: 단일 이미지 슈퍼 리졸루션을 위한 재귀적 스케줄링 및 익스테이션 네트워크

단일 이미지 초해상도는 매우 중요한 컴퓨터 비전 작업으로, 다양한 응용 분야를 가지고 있습니다. 최근 몇 년 동안 초해상도 모델의 깊이는 지속적으로 증가했지만, 성능 향상이 미미한 반면 계산량과 메모리 소비가 크게 늘어났습니다. 본 연구에서는 초해상도 모델을 더욱 효과적으로 만들기 위해 재귀적 압축 및 흥분 네트워크(SESR)를 이용한 새로운 단일 이미지 초해상도 방법을 제안하였습니다. 압축 및 흥분 모듈을 도입함으로써, 우리의 SESR는 채널 간의 상호 의존성과 관계를 모델링할 수 있으며, 이로 인해 모델의 효율성이 높아집니다. 또한, 재귀 구조와 점진적인 복원 방법은 층과 매개변수를 최소화하고, SESR가 단일 모델에서 다중 규모의 초해상도를 동시에 학습할 수 있게 하였습니다. 네 가지 벤치마크 테스트 세트에서 평가한 결과, 우리의 모델은 속도와 정확성 면에서 기존 최신 방법들을凌驾(영어: surpass)하였습니다.注：在最后一句中，“凌驾”是中文词汇，不是韩文。正确的韩文翻译应该是“초월”。所以，最后一句应该修改为：네 가지 벤치마크 테스트 세트에서 평가한 결과, 우리의 모델은 속도와 정확성 면에서 기존 최신 방법들을 초월하였습니다.