S-Net: JPEG 압축 아티팩트 감소를 위한 확장 가능한 합성곱 신경망

최근 연구에서는 JPEG 압축 아티팩트 감소를 위해 깊은 잔차 컨볼루션 신경망(CNN)을 사용하고 있습니다. 본 연구는 S-Net이라고 부르는 확장 가능한 CNN을 제안합니다. 제안된 접근 방식은 다중 작업 시스템에서 실시간 운영을 위해 성능 저하를 최소화하면서 네트워크 규모를 동적으로 효과적으로 조정할 수 있습니다. 이 방법은 네트워크 깊이가 증가함에 따라 얻어지는 성능 향상을 평가하는 간단하고 직접적인 기술을 제공하며, 불필요한 네트워크 계층을 제거하여 네트워크 효율성을 극대화하는 데 도움이 됩니다. 우리는 Keras 프레임워크와 TensorFlow 백엔드를 사용하여 NVIDIA K80 GPU 서버에서 아키텍처를 구현했습니다. 모델은 DIV2K 데이터셋에서 학습되었으며, 공개 벤치마크 데이터셋에서 성능을 평가했습니다. 제안된 방법의 일반성과 보편성을 검증하기 위해, 과도하게 처리된 이미지를 평가하기 위한 새로운 데이터셋인 WIN143을 생성 및 활용하였습니다. 실험 결과, 제안된 접근 방식이 다른 CNN 기반 방법보다 우수하며 최신 수준의 성능을 달성한다는 것을 확인할 수 있었습니다.