초록
최근 음성적 신경 함수(implicit neural function)를 활용한 연구들은 임의의 해상도에서 이미지를 표현하는 데 있어 새로운 가능성을 제시하고 있다. 그러나 단독으로 사용되는 다층 퍼셉트론(Multi-Layer Perceptron)은 고주파 성분을 학습하는 데 한계가 있다. 본 논문에서는 자연 이미지의 주도적 주파수를 추정하는 데 특화된 로컬 텍스처 추정기(Local Texture Estimator, LTE)를 제안한다. 이 LTE는 음성적 함수가 이미지를 연속적인 방식으로 재구성하면서도 미세한 세부 정보를 효과적으로 포착할 수 있도록 한다. 깊이 있는 초해상도 재구성(Super-Resolution, SR) 아키텍처와 함께 공동 학습할 경우, LTE는 이미지 텍스처를 2차원 푸리에 공간에서 특성화할 수 있다. 본 연구에서는 LTE 기반의 신경 함수가 임의의 확대 비율에서 기존의 깊이 있는 SR 방법들에 비해 우수한 성능을 발휘함을 보여준다. 또한, 기존 연구 대비 가장 짧은 실행 시간을 기록함을 실험을 통해 입증하였다.