실험적 불확실성을 고려한 웨이블릿 증강 변환기를 이용한 소스 데이터 없는 적응형 이미지 초해상도
본 연구는 소스 데이터 없이 사전 학습된 모델을 타겟 도메인에 적응시키는 새로운 SODA-SR 프레임워크를 제안한다. 제안하는 웨이블릿 증강 변환기(WAT)를 통해 다양한 샘플의 저주파 정보를 효과적으로 학습하고 결합할 수 있으며, 불확실성 기반 자기 학습 메커니즘으로 의사 레이블의 정확도를 향상시킨다. 또한 주파수 영역의 정규화 손실 함수를 도입하여 의사 레이블에 대한 과적합을 방지한다. 실험 결과, 제안 방법은 기존 최신 방법들을 능가하는 성능을 보여준다.
