초록
스테레오 이미지 초해상화는 양안 시스템이 제공하는 보완 정보를 활용하여 초해상화 결과의 품질을 향상시키는 것을 목표로 합니다. 합리적인 성능을 얻기 위해 대부분의 방법은 다른 시점에서 정보를 활용하기 위해 모듈, 손실 함수 등을 세밀하게 설계하는 데 중점을 두고 있습니다. 이는 부작용으로 시스템 복잡성을 증가시켜 연구자들이 새로운 아이디어를 평가하고 방법론을 비교하는 것이 어려워집니다. 본 논문에서는 단일 시점 특징 추출에 강력하면서도 간단한 이미지 복원 모델인 NAFNet을 계승하고, 양안 시나리오에 적응하기 위해 교차 주의(Cross Attention) 모듈을 추가하여 특징을 통합합니다. 제안된 스테레오 이미지 초해상화 기준모델은 NAFSSR로 표기됩니다. 또한, NAFSSR의 성능을 최대한 활용하기 위한 학습/테스트 전략이 제안되었습니다. 광범위한 실험을 통해 본 방법론의 효과성이 입증되었습니다. 특히, NAFSSR는 KITTI 2012, KITTI 2015, Middlebury, Flickr1024 데이터셋에서 최신 방법론들을 능가하는 성능을 보였습니다. NAFSSR를 사용하여 NTIRE 2022 스테레오 이미지 초해상화 챌린지에서 1등을 차지했습니다. 코드와 모델은 https://github.com/megvii-research/NAFNet 에서 공개될 예정입니다.