심층 잔차 다중화기를 활용한 수중 이미지 슈퍼해상도

자율 수중 로봇이 사용할 수 있도록 해양 이미지에 대한 단일 이미지 초해상도 재구성(SISR)을 위한 깊은 잔차 네트워크 기반의 생성 모델을 제안한다. 또한, 쌍화된 데이터로부터 SISR를 학습하기 위한 적대적 학습 파이프라인을 제시한다. 학습을 안내하기 위해 이미지의 전반적인 콘텐츠, 색상, 국부적 스타일 정보를 기반으로 한 \textit{지각적 품질}을 평가하는 목적 함수를 구성한다. 더불어, 3가지 해상도(고해상도: 640x480, 저해상도: 80x60, 160x120, 320x240)의 해양 이미지로 구성된 대규모 데이터셋 USR-248을 제안한다. USR-248은 2배, 4배, 8배 확대를 위한 SISR 모델 학습을 위한 쌍화된 데이터 인스턴스를 포함한다. 또한, 제안된 모델의 효과성을 정성적 및 정량적 실험을 통해 검증하였으며, 여러 최신 기술 모델들과의 성능을 비교 분석하였다. 마지막으로, 노이즈가 많은 시각적 조건에서 장면 이해 및 주의 모델링과 같은 실제 응용 가능성에 대해 분석하였다.