전역 및 국부 고저주파 공간 정보 활용 부족으로 인해 재구성된 이미지의 텍스처 세부가 흐릿해지는 문제를 해결하기 위해, 주의(attention)와 넓은 활성화 밀집 잔차 네트워크 기반의 이미지 초해상도 재구성 모델을 제안한다. 우선, 서로 평행하게 작동하는 네 가지 다른 크기의 합성곱 커널을 사용하여 공간 특성 변환의 사전 정보로서 이미지 저주파 특성을 충분히 추출한다. 깊은 특성 맵핑 모듈에서는 주의가 융합된 넓은 활성화 잔차 블록을 구성하고, 저주파 사전 정보를 활용하여 고주파 특성 추출을 안내한다. 이 넓은 활성화 잔차 블록은 활성화 함수 전의 특성 채널 수를 늘려 더 깊은 특성 맵을 추출하며, 구성된 전역 및 국부 잔차 연결은 잔차 블록과 네트워크의 특성 순방향 전파를 강화하면서도 파라미터 증가 없이 추출된 특성의 다양성을 풍부하게 한다. 마지막으로, 얻어진 특성 맵을 업샘플링 및 재구성하여 선명한 고해상도 이미지를 얻는다. 실험 결과, 제안된 알고리즘은 BSD100 데이터셋에서 4배 초해상도 적용 시 LatticeNet 모델 대비 PSNR 지표가 0.14 dB, SSIM이 0.001 향상되었으며, 주관적 시각 측면에서도 재구성된 이미지의 국부 텍스처 세부가 더 선명함을 확인하였다.

잔차 네트워크; 초해상도; 넓은 활성화; 주의 메커니즘; 밀집 연결