[E-16] 흐린 사진을 선명하게

Opening

---

• Super Resolution 분야에서의 최근 SOTA 논문들의 리스트를 찾아봅시다.
  • [예시답안]
  • CAR : Learned Image Downscaling for Upscaling using Content Adaptive Resampler
  • SAN : Second-Order Attention Network for Single Image Super-Resolution
  • DBPN-RES-MR64-3 : Deep Back-Projection Networks for Single Image Super-resolution
  • DRLN+ : Densely Residual Laplacian Super-Resolution
  • SRGAN+Residual-in-Residual Dense Block : ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
  • Papers with Code - Set14 - 4x upscaling Benchmark (Image Super-Resolution)

Papers with Code - Set14 - 4x upscaling Benchmark (Image Super-Resolution)

 

Check-up 항목

---

• SRGAN 계보에서 최근 SOTA를 달성한 논문을 찾아보고 어떤 방법으로 문제를 개선했는지 토론해 봅시다.
  • [예시답안]
  • ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
  • 기존 SRGAN의 문제 →"the hallucinated details are often accompanied with unpleasant artifacts."
  • SRGAN은 세세한 detail들에 이상한 것들, 즉, 실제와 다른 어떠한 모양이 나타남. 논문에서는 이러한 문제를 해결하고 더 좋은 SR 이미지를 만들기 위하여 기존 SRGAN에서 3가지를 수정합니다.
    1. Residual-in-Residual Dense Block (RDDB)를 도입하고 Batch Normalization을 제거하며 residual scaling을 사용합니다.
    2. Relativistic average GAN (RaGAN)을 사용하여 Discriminator의 구조를 형성합니다. RaGAN에서는 Discriminatort가 '이미지가 진짜인지 가짜인지' 판단하지 않고 '하나의 이미지가 다른 이미지보다 더 현실적인가 아닌가'를 판단합니다.
    3. activation function을 거치기전의 최종 VGG feature를 사용하여 perceptual loss를 계산합니다. 기존 SRGAN에서는 activation function까지 거친 VGG feature에 perceptual loss를 계산합니다.
  • ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks 리뷰

ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks 리뷰

 

Closing

---

• SRCNN 계보에서 최근 SOTA를 달성한 논문을 찾아보고 어떤 방법으로 문제를 개선했는지 토론해 봅시다.
  • [예시답안]
  • SAN : Second-Order Attention Network for Single Image Super-Resolution → 공간적 특징 상관 관계를 이용하는 것 외에도, 보다 판별적인 표현을 위해 전역 공분산 풀링을 통해 특징적 상호 의존성을 배우는 SOCA(second-order channel attention)을 적용해서, 더 나은 특징 상관관계를 학습하는 기술을 적용함
  • [논문정리] Second-order Attention Network for Single Image Super-Resolution

[논문정리] Second-order Attention Network for Single Image Super-Resolution



참고자료

---

• d-tail.tistory.com/25

[ 논문리뷰 ] SRGAN - Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network

 

Super Resolution GAN