단순한 축소와 실제 열화
실제 저해상도 영상에는 흐림이나 촬영 잡음, 압축 흔적 등이 함께 있을 수 있다. 단순히 고해상도 영상을 줄인 자료만으로 이런 입력을 모두 대표하기 어렵다. SRWD는 합성 자료의 열화 다양성을 확장하는 접근이다.
서로 다른 열화의 조합
흐림, 잡음, 다운샘플링, 픽셀 비닝과 이미지 및 영상 압축 흔적을 함께 고려한다. 열화들을 무작위 순서로 적용해 다양한 현실적 입력을 합성한다. 모형에는 이러한 확장 자료를 이용한 종단간 학습을 적용한다.
자료 분포와 일반화
합성 열화를 다양하게 만드는 목적은 실제 영상과의 차이를 줄이는 데 있다. 그러나 포함한 열화의 종류가 많다는 사실만으로 모든 카메라와 압축 조건을 재현했다고 볼 수는 없다. 실제 영상의 평가와 합성 평가를 구분해야 한다.
연산 순서의 독립 계산
설명용 수치 1과 3을 평균낸 뒤 1을 더하면 3이다. 먼저 각각 1을 더한 뒤 평균내도 3이지만, 반올림이나 비선형 처리가 끼면 순서에 따라 달라질 수 있다. 실제 열화 식을 재현한 예가 아니라 순서 변화의 효과가 연산 특성에 달린다는 설명이다.
관련 문서
EAVSR / RealBasicVSR / BSRGAN / RealViformer / BasicVSR / 스코어 기반 이미지 압축