Learning the Degradation Distribution for Blind Image Super-Resolution

2022년 10월 07일 (금) | 발표자: 민정호

Super-resolution Task에는 보통 고화질과 저화질 데이터를 한 쌍으로 학습을 보통 많이 사용한다. Test 데이터에서의 Domain Gap이 발생할 때가 많은 데, 이로써 실제 이미지에서의 SR은 상당히 도전적인 문제이다. 보통 기존에는 기존 이미지에 임의적인 degradation을 주거나 adaptive하게 학습할 수 있는 방법을 쓰지만, deterministic하다는 단점 때문에 SR 모델의 성능을 저하시킨다. 우리는 Probabilistic degradation model(PDM)을 제시한다. 즉 degradation D를 random variable을 학습할 수 있고 priori random variable z로부터 D까지 맵핑이 가능할 수 있도록 distribution을 배우게 한다. 기존 모델들 보다도 더 다양한 degradation을 배울 수 있고 성능 또한 여러 종류의 real-world 이미지들에 대해서도 적용이 가능한 모델이다. 마지막으로 어느 한 특정 이미지에 overfitting하는 것을 방지하는 PDM 모델을 소개한다.