신경망 구조 탐색을 이용한 빠르고 정확하며 가벼운 초해상도 재생성

깊은 합성곱 신경망은 초해상도 영역에서 뛰어난 결과를 보여주고 있습니다. 일련의 연구들은 더 깊은 계층을 사용하여 피크 신호 대 잡음 비율(PSNR)을 개선하는 데 집중하고 있지만, 이는 제약된 자원에 친화적이지 않습니다. 복원 능력과 모델의 단순성 사이의 균형을 추구하는 것은 여전히 쉽지 않은 문제입니다. 최근 연구들은 이 균형을 수동으로 최대화하려고 노력하고 있지만, 우리의 연구는 신경망 구조 탐색을 통해 자동으로 같은 목표를 달성합니다. 특히, 우리는 다목적 접근법을 사용하여 초해상도 문제를 처리합니다. 또한 진화 계산과 강화 학습의 이점을 활용한 하이브리드 컨트롤러 기반으로 미세 및 거시 수준에서 유연한 탐색 전략을 제안합니다. 정량적인 실험을 통해 우리의 생성된 모델이 개별 FLOPS 측면에서 대부분의 최신 방법들을 우위로 점유하고 있다는 결론을 도출할 수 있었습니다.