경량화되고 효율적인 이미지 초해상도를 위한 블록 상태 기반 재귀 네트워크

최근, 대규모 레이어를 쌓아서 개발된 딥 러닝 기반의 이미지 초해상도 방법들이 여러 가지로 제시되었습니다. 그러나 이는 모델 크기를 너무 크게 만들고, 계산 복잡도를 높이는 문제를 초래합니다. 따라서 일부 재귀적 매개변수 공유 방법들이 제안되기도 하였습니다. 그럼에도 불구하고, 이러한 설계들은 재귀 연산의 잠재력을 충분히 활용하지 못하고 있습니다. 본 논문에서는 블록 상태 기반의 재귀 네트워크를 도입하여, 재귀 구조의 유용성을 최대화하는 새로운, 경량화되고 효율적인 초해상도 방법을 제안합니다. 블록 상태를 활용함으로써, 본 모델의 재귀 부분은 현재 이미지 특징들의 상태를 쉽게 추적할 수 있습니다. 우리는 제안된 방법이 모델 크기, 속도 및 효율성 면에서 갖는 장점을 보여주며, 또한 우리의 방법이 다른 최신 방법들보다 우수한 성능을 발휘함을 입증합니다.