서브픽셀 백프로젝션 네트워크를 통한 경량 단일 이미지 초해상도 복원

컨볼루셔널 신경망(CNN) 기반 방법은 단일 이미지 초해상도 재구성(SISR) 분야에서 큰 성공을 거두었다. 그러나 대부분의 모델은 재구성 정확도를 향상시키기 위해 모델 파라미터 수를 증가시키는 경향이 있다. 이러한 문제를 해결하기 위해 본 논문에서는 CNN 기반 SISR 방법의 파라미터 수와 계산 비용을 줄이면서도 초해상도 재구성 성능의 정확도를 유지하는 방안을 탐구한다. 이를 위해 우리는 재구성 품질과 낮은 계산 복잡도 사이에서 우수한 균형을 이루는 새로운 네트워크 아키텍처를 제안한다. 구체적으로, 디컨볼루션 계층 대신 서브픽셀 컨볼루션을 활용한 반복적 백프로젝션 아키텍처를 제안한다. 제안한 모델의 계산 효율성과 재구성 정확도를 널리 검증하기 위해 정량적 및 정성적 평가를 실시하였다. 실험 결과, 잘 알려진 네 가지 초해상도 벤치마크 데이터셋에서 최신 기술(SOTA) SISR 방법들과 비교하여, 제안한 방법이 더 적은 파라미터 수와 낮은 계산 비용을 유지하면서도 높은 재구성 정확도를 달성함을 확인하였다. 코드는 다음 주소에서 공개되어 있다: "https://github.com/supratikbanerjee/SubPixel-BackProjection_SuperResolution".