초록
딥러닝 기반 방법은 효과성과 효율성 측면에서 뛰어난 성능을 보여주면서 초해상도(SR) 분야를 주도해 왔습니다. 이러한 방법의 대부분은 다운샘플링 과정에서 블러 커널이 미리 정의되거나 알려져 있다고 가정합니다(예: 이중세기). 그러나 실제 응용 프로그램에서는 복잡하고 알려지지 않은 블러 커널이 관여하여, 고급 SR 방법들의 성능이 크게 저하됩니다. 본 논문에서는 블라인드 SR 문제에서 알려지지 않은 블러 커널을 추정하기 위한 반복적인 커널 교정(IKC) 방법을 제안합니다. 우리는 커널 불일치가 규칙적인 아티팩트(과다 선명화 또는 과다 부드럽게 만듦)를 가져올 수 있다는 관찰 결과를 바탕으로, 이를 이용하여 부정확한 블러 커널을 교정할 수 있음을 발견했습니다. 따라서, 직접적인 커널 추정보다 더 나은 결과를 얻는 반복 교정 방식인 IKC를 도입하였습니다. 또한, 여러 개의 블러 커널을 처리하기 위해 공간 특성 변환(SFT) 계층을 사용하는 효과적인 SR 네트워크 구조인 SFTMD를 제안합니다. 합성 이미지와 실제 세계 이미지를 대상으로 한 광범위한 실험 결과, 제안된 IKC 방법과 SFTMD는 시각적으로 우수한 SR 결과와 블라인드 SR 문제에서 최고 수준의 성능을 제공함을 확인할 수 있었습니다.