연속적인 이미지 표현
암묵 이미지 함수는 좌표를 입력받아 해당 위치의 값을 표현한다. 고정된 픽셀 배열에만 머물지 않으므로 다양한 확대율에서 출력 위치를 질의할 수 있다. A-LIIF는 이런 연속 표현에서 지역의 서로 다른 특성을 반영하는 문제를 다룬다.
지역별 특성을 반영하기
하나의 공통 모형만으로 모든 위치를 다루면 가장자리 주변의 구조 왜곡이나 울림 현상이 문제가 될 수 있다. A-LIIF는 여러 지역 암묵 함수의 가중 결합을 이용한다. 같은 사진 안에서도 영역에 따라 필요한 표현이 달라질 수 있다는 방향이다.
두 구성 요소
부호화기는 척도를 가로지르는 이미지 특징을 추출한다. 확장 신경망은 여러 지역 함수의 가중 조합으로 연속 확대 함수를 모형화한다. 출력 좌표를 조밀하게 만드는 일과 실제 입력에 없던 세부를 정확히 알아내는 일은 별개다.
가중 결합의 계산
설명용 두 지역 함수가 같은 좌표에서 4와 10을 내고 가중치가 0.75와 0.25라면 결합 값은 5.5다. 좌표에 따라 가중치가 달라지면 표현도 바뀔 수 있다. 실제 함수 수나 가중치 산출식, 출력 범위를 나타내는 예는 아니다.