17일 전

지역적 암묵적 정규화 흐름을 이용한 임의의 스케일 이미지 초해상도

Jie-En Yao, Li-Yuan Tsao, Yi-Chen Lo, Roy Tseng, Chia-Che Chang, Chun-Yi Lee
지역적 암묵적 정규화 흐름을 이용한 임의의 스케일 이미지 초해상도
초록

기반 흐름(Flow-based) 방법은 정규화 흐름(normalizing flow)을 이용해 고해상도(HR) 이미지의 분포를 학습함으로써 초해상도(SR) 문제의 불안정성(ill-posed nature)을 해결하는 데 있어 희망적인 결과를 보여왔다. 그러나 이러한 방법들은 고정된 스케일에서만 SR을 수행할 수 있어 실세계 응용에서의 잠재력을 제한한다. 한편, 임의 스케일 초해상도(arbitrary-scale SR)는 더욱 주목받으며 큰 진전을 이루고 있다. 그러나 기존의 임의 스케일 SR 방법들은 불안정 문제를 무시하고 픽셀 단위의 L1 손실을 통해 모델을 학습함으로써 모호한(SR 출력이 흐릿한) 결과를 초래한다. 본 연구에서는 이러한 문제들을 통합적으로 해결하기 위해 '국소적 은닉 정규화 흐름'(Local Implicit Normalizing Flow, LINF)을 제안한다. LINF는 다양한 스케일 인자에 따른 텍스처 세부 정보의 분포를 정규화 흐름으로 모델링함으로써, 임의의 스케일 인자에서 사실적인 고해상도 이미지와 풍부한 텍스처 세부 정보를 생성할 수 있다. 광범위한 실험을 통해 LINF의 성능을 평가한 결과, 기존의 임의 스케일 SR 방법들과 비교하여 최첨단의 인지적 품질(perceptual quality)을 달성함을 입증하였다.

지역적 암묵적 정규화 흐름을 이용한 임의의 스케일 이미지 초해상도 | 최신 연구 논문 | HyperAI초신경