Gated Multiple Feedback Network for Image Super-Resolution 이미지 초해상도를 위한 게이트된 다중 피드백 네트워크

딥러닝(DL)의 급속한 발전은 단일 이미지 초해상화(SR)를 새로운 시대로 이끌었습니다. 그러나 대부분의 기존 DL 기반 이미지 SR 네트워크에서는 정보 흐름이 순방향(feedforward)으로만 이루어져 있으며, 고차원 특징들이 충분히 활용되지 못하고 있습니다. 본 논문에서 우리는 정확한 이미지 SR을 위해 게이티드 다중 피드백 네트워크(GMFN)를 제안합니다. 이 GMFN에서는 여러 고차원 특징들을 재경로 설정하여 저차원 특징 표현을 효율적으로 풍부하게 만듭니다. 우리는 여러 잔여 밀집 블록(RDBs)을 연속적으로 연결하고 시간에 따라 반복적으로 전개합니다. 제안된 GMFN에서 두 인접한 시간 단계 사이의 다중 피드백 연결은 큰 수용 영역에서 포착된 여러 고차원 특징들을 활용하여 충분한 맥락 정보가 부족한 저차원 특징들을 개선합니다. 세심하게 설계된 게이티드 피드백 모듈(GFM)은 여러 재경로 설정된 고차원 특징들로부터 유용한 정보를 효율적으로 선택하고 강화하며, 이를 통해 저차원 특징들을 개선합니다. 광범위한 실험 결과는 우리의 제안된 GMFN이 최신 SR 방법들과 비교하여 양적 지표와 시각적 품질 면에서 우수함을 입증하였습니다. 코드는 https://github.com/liqilei/GMFN 에서 제공됩니다.