초록
블라인드 초해상도 재구성(SR) 기법은 알 수 없는 왜곡을 포함한 저해상도 이미지로부터 고품질의 고해상도 이미지를 생성하는 것을 목표로 한다. 그러나 자연 이미지에는 다양한 유형과 정도의 흐림이 존재한다. 일부는 카메라의 내재적 왜곡 특성에서 기인할 수 있지만, 일부는 미적 목적을 위해 의도적으로 삽입된 경우도 있다(예: 보케 효과). 후자의 경우, SR 기법이 제거해야 할 흐림과 그대로 유지해야 할 흐림을 구분하는 것이 매우 어려워진다. 본 논문에서는 SR 특징에 대해 커널 중심의 적응형 국소 조정(Kernel-Oriented Adaptive Local Adjustment, KOALA)을 기반으로 하는 새로운 블라인드 SR 프레임워크, 즉 KOALAnet을 제안한다. KOALAnet은 실제 이미지에 존재하는 공간적으로 변화하는 흐림 특성에 적응하기 위해 공간적으로 변화하는 왜곡 및 복원 커널을 동시에 학습한다. 제안한 KOALAnet은 무작위로 설정된 왜곡을 적용하여 생성한 합성 저해상도 이미지에 대해 최근의 블라인드 SR 기법들을 능가하며, 특히 초점이 맞고 맞지 않은 영역이 혼합된 예술적 사진에 대해 과도한 선명화 없이 가장 자연스러운 결과를 생성함을 입증하였다.