EXTRACTER: 대규모 이미지 슈퍼해상도를 위한 주의력과 기울기 증강을 통한 효율적인 텍스처 매칭

최근 참조 기반 이미지 초해상도화(RefSR) 기법은 주로 주어진 저해상도(LR) 이미지와 참조 고해상도 이미지 간의 특징 공간에서 패치 간 일치성을 탐색하고, 이를 딥 아키텍처를 통해 병합함으로써 고해상도 텍스처를 전이함으로써 기존의 최고 성능(SOTA) 딥 학습 기법을 향상시켰다. 그러나 기존의 방법들은 텍스처 정확한 탐색이 부족하며, 이미지를 가능한 한 많은 패치로 나누는 방식을 사용함으로써 메모리 사용 효율성이 낮고, 대규모 이미지 처리가 불가능하다는 한계가 있다. 본 연구에서는 메모리 사용 효율성을 향상시키기 위해 깊이 있는 검색 기법을 제안하며, 이미지 패치 수를 크게 감소시켜 각 저해상도 패치에 대해 고해상도 참조 패치 중에서 가장 관련성이 높은 $k$개의 텍스처 매칭을 정확히 찾는다. 이를 통해 보다 정밀한 텍스처 매칭을 실현하고, 단순한 잔차 구조(residual architecture)를 활용하여 기울기 밀도 정보를 추가함으로써 초해상도 결과를 개선하였다. 제안한 방법은 PSNR 및 SSMI와 같은 주요 평가 지표에서 경쟁력 있는 성능을 보였다.