블라인드 이미지 슈퍼리졸루션을 위한 심층 제약 최소제곱법

본 논문에서는 재구성된 퇴화 모델과 두 가지 새로운 모듈을 도입하여 맹목적 이미지 초해상도(Blind Image Super-Resolution, SR) 문제를 해결한다. 맹목적 SR의 일반적인 접근 방식에 따라, 본 연구는 커널 추정 및 커널 기반 고해상도 이미지 복원 두 가지 측면을 동시에 개선하는 방법을 제안한다. 구체적으로, 먼저 퇴화 모델을 재구성하여 디블러링 커널 추정을 저해상도 공간으로 전이할 수 있도록 한다. 이에 기반하여, 동적 딥 선형 필터 모듈을 도입한다. 고정된 커널을 모든 이미지에 적용하는 기존 방식과 달리, 입력에 따라 적응적으로 디블러링 커널 가중치를 생성함으로써 더 강건한 커널 추정을 가능하게 한다. 이후, 재구성된 모델과 추정된 커널을 바탕으로 깊이 있는 제약 최소 제곱 필터링 모듈을 적용하여 정제된 특징을 생성한다. 디블러링된 특징과 저해상도 입력 이미지의 특징은 이중 경로 구조를 갖는 SR 네트워크에 입력되어 최종 고해상도 결과를 복원한다. 제안된 방법의 성능을 평가하기 위해, Gaussian8 및 DIV2KRK를 포함한 여러 벤치마크에서 실험을 수행하였다. 실험 결과, 기존 최첨단 기법들과 비교하여 제안 방법이 더 높은 정확도와 시각적 향상을 달성함을 입증하였다.