초록
최근 들어, 저해상도 이미지에 대해 여러 가지 가능한 재구성 결과가 존재할 수 있다는 점에서 초해상도(초해상도) 문제의 부정확성(ill-posed nature)에 대한 논의가 활발히 이루어지고 있다. SRflow[23]는 정규화 흐름(normalizing flows)을 활용하여 출력 분포를 학습함으로써 단일 추정치에 대한 결정론적 출력이 아닌, 인간의 인지적 품질(perceptual quality)을 최적화하는 방식으로 최신 기술 수준의 성능을 달성하였다. 본 논문에서는 SRflow의 개념을 차용하여, GAN 기반 초해상도 기법의 성능을 향상시키기 위해 일대다(one-to-many) 특성을 적절히 구현한다. 우리는 생성자(generator)를 무작위 노이즈로부터 분포를 추정하는 맵핑으로 수정함으로써, 출력의 다양성을 확보한다. 또한, 인지적 학습 목표를 저해하는 기존의 콘텐츠 손실(content loss)을 개선하였으며, 생성된 이미지의 인지적 품질을 더욱 향상시키기 위한 추가적인 학습 기법을 제안한다. 제안한 방법을 적용함으로써, ESRGAN[1]의 x4 초해상도 인지적 재구성 성능을 개선하였으며, RFB-ESRGAN[21]에 본 방법을 적용하여 x16 초해상도 인지적 초해상도에서 최신 기술 수준의 LPIPS 점수를 달성하였다.