이차 주의력 네트워크를 이용한 단일 이미지 초해상도 복원

최근 들어 깊은 합성곱 신경망(CNN)은 단일 이미지 초해상도(SISR) 분야에서 널리 연구되며 뛰어난 성능을 달성하고 있다. 그러나 기존의 대부분의 CNN 기반 SISR 기법들은 주로 넓은 또는 깊은 아키텍처 설계에 집중하면서 중간 계층의 특징 상관관계를 탐색하지 못함으로써 CNN의 표현 능력에 한계를 겪고 있다. 이 문제를 해결하기 위해 본 논문에서는 더 강력한 특징 표현과 특징 상관관계 학습을 위한 이차 주의망(SAN)을 제안한다. 구체적으로, 이차 특징 통계를 활용하여 채널별 특징을 적응적으로 재조정함으로써 더 구분력 있는 표현을 가능하게 하는 새로운 학습 가능한 이차 채널 주의(SOCA) 모듈을 개발하였다. 또한, 비국소 연산을 도입하여 장거리 공간적 맥락 정보를 포착할 뿐만 아니라 반복적인 국소 소스 잔차 주의 그룹(LSRAG)을 포함하여 점차 더 추상적인 특징 표현을 학습할 수 있는 비국소적으로 강화된 잔차 그룹(NLRG) 구조를 제안한다. 실험 결과는 제안한 SAN 네트워크가 정량적 지표와 시각적 품질 측면에서 최첨단 SISR 기법들보다 우수함을 입증하였다.