화소 오차 밖의 품질
평균 화소 오차가 작아도 질감이 흐리게 보일 수 있다. HiFiC는 생성적 적대 학습과 압축을 결합해 사람이 보는 자연스러움과 입력 유사도를 함께 다룬다. 손실 압축이므로 모든 원래 화소를 그대로 보존하는 방식은 아니다.
구조와 학습의 결합
정규화 층과 생성기 및 판별기 구조, 학습 전략과 지각 손실을 함께 검토한다. 다양한 비트율과 고해상도 영상에서 사용할 수 있는 생성을 목표로 한다. 판별기가 자연스럽다고 판단해도 생성된 세부가 실제 원본과 같은지는 별도 문제다.
평균과 질감의 예
설명용 원본 패턴이 (0, 2, 0, 2)일 때 평탄한 (1, 1, 1, 1)과 다른 반복 패턴은 시각적으로 다르게 느껴질 수 있다. 자연스러운 질감을 만드는 것과 실제 무늬를 맞추는 것은 다르다는 예이며 특정 모델의 출력 사례를 옮긴 것은 아니다.
지각 평가의 해석
정량 지각 지표와 사용자 평가로 비트율 및 왜곡과 지각 품질의 관계를 살핀다. 자연스러움에 대한 선호를 원본의 작은 글자나 얼굴 특징이 정확하다는 증거로 쓰면 안 된다. 실제 파일 크기와 입력 유사도, 인코딩 및 디코딩 비용을 함께 확인한다.
관련 문서
VCT 영상 압축 / 가우시안 혼합 이미지 압축 / ELIC 이미지 압축 / 스케일 하이퍼프라이어 / 생성적 적대 신경망 / 이미지 압축