Core Concepts
역전 가능한 잔차 스케일링 모델(IRRM)은 고해상도 이미지와 저해상도 이미지 간의 양방향 매핑을 학습하여 고해상도 이미지를 효율적으로 복원할 수 있다.
Abstract
이 논문에서는 역전 가능한 잔차 스케일링 모델(IRRM)을 제안한다. IRRM은 고해상도 이미지와 저해상도 이미지 간의 양방향 매핑을 학습하여 고해상도 이미지를 효율적으로 복원할 수 있다.
IRRM의 핵심 구성 요소는 다음과 같다:
잔차 다운스케일링 모듈(RDM): RDM은 Haar 웨이블릿 변환을 사용하여 입력 이미지를 저주파 및 고주파 성분으로 분해한다. 이를 통해 모델이 고주파 정보에 집중할 수 있도록 한다.
역전 가능한 잔차 블록(IRB): IRB는 비선형 표현 능력을 향상시키고 모델 성능 저하를 완화하기 위해 단락 연결을 포함한다.
실험 결과, IRRM은 기존 최신 방법들에 비해 훨씬 적은 매개변수와 계산량으로도 뛰어난 성능을 보였다. 특히 ×4 스케일링에서 HCFlow와 IRN 대비 최소 0.3dB의 PSNR 향상을 달성했다.
Stats
IRRM은 IRN 및 HCFlow 대비 60% 매개변수와 50% 연산량으로도 ×4 스케일링에서 최소 0.3dB의 PSNR 향상을 달성했다.
IRRM-M은 IRN과 유사한 성능을 보이지만 매개변수가 1/4 수준이다.
IRRM-S는 기존 SR 방법들을 크게 능가하면서도 1M 미만의 매개변수를 사용한다.
Quotes
"IRRM 도입으로 모델의 비선형 표현 능력이 향상되고 성능 저하가 완화되었다."
"IRRM은 기존 최신 방법들에 비해 훨씬 적은 매개변수와 계산량으로도 뛰어난 성능을 보였다."