구조 보존형 그라디언트 안내를 통한 슈퍼 해상도

단일 이미지 초해상도 복원(SISR)에서 구조적 정보는 매우 중요하다. 최근 생성적 적대 신경망(GAN) 기반의 연구들이 사진처럼 사실적인 이미지를 복원함으로써 SISR 기술의 발전을 이끌어왔다. 그러나 이러한 방법은 복원된 이미지 내에서 원치 않는 구조적 왜곡이 발생하는 문제가 항상 존재한다. 본 논문에서는 GAN 기반 방법의 감각적 매력 있는 세부 정보 생성 능력을 유지하면서도 위 문제를 완화할 수 있는 구조 보존형 초해상도 복원 방법을 제안한다. 구체적으로, 이미지의 기울기 맵(gradient map)을 활용하여 복원 과정을 두 가지 측면에서 안내한다. 첫째, 고해상도 기울기 맵을 복원하기 위한 기울기 브랜치(gradient branch)를 도입하여 초해상도 복원 과정에 추가적인 구조 사전 지식(prior)을 제공한다. 둘째, 초해상도 복원 이미지에 이차적 제약을 가하는 기울기 손실(gradient loss)을 제안한다. 기존의 이미지 공간 손실 함수들과 함께 기울기 공간의 목적함수를 도입함으로써 생성망이 기하학적 구조에 더 집중할 수 있도록 한다. 또한 본 방법은 모델 독립적(model-agnostic) 구조를 가지며, 즉각적으로 사용 가능한(SOTA) 초해상도 복원 네트워크에 쉽게 적용 가능하다. 실험 결과, 최신의 감각 기반(SR) 방법들과 비교하여 가장 높은 PI(Perceptual Index)와 LPIPS 성능을 달성하였으며, PSNR 및 SSIM에서도 경쟁력 있는 성능을 보였다. 시각적 결과를 통해 본 방법이 자연스러운 초해상도 이미지를 생성하면서도 구조 복원 측면에서 뛰어난 성능을 발휘함을 확인할 수 있다.