한글내용
(Korean Abstract) |
기존의 Super-Resolution 딥러닝 기법은 모델의 깊이가 깊어지면서, 좋은 성능을 내지만 점점 더 복잡해지고 있고, 복원 과정에 있어서 많은 시간을 요구한다. 이 논문에서는 Convolution Layer 대신에 Active Shift Layer(ASL)를 사용하여 기존보다 파라미터수가 적고 추론시간이 빠른 Super-Resolution 모델을 최초로 제시한다. Super-Resolution 기법에 있어 Feature extraction은 중요하기 때문에, 처음 4개, 마지막 2개의 Convolution Layer는 유지하고, 가운데에 ASL 블럭 7개를 쌓아 구현하였다. 실험 결과, 기존 모델의 성능을 크게 떨어트리지 않으며 파라미터 개수를 크게 감소시켰다. 본 논문은 기존에 영상 분류에 한정되어 사용되었던 Active Shift Layer를 사용하여 Super-Resolution의 추론 시간을 줄인 최초의 논문이며, 제안 방법은 모바일 등 제한된 환경에 적용 가능할 것으로 생각된다. |
