저해상도 특징 추출 효과가 저조하여 고주파 정보가 대량으로 손실되어 발생하는 경계 흐림 및 잔상 문제를 해결하기 위해, 다차원 어텐션 메커니즘과 선택적 특징 융합을 이미지 특징 추출 모듈로 융합한 이미지 초해상도 복원 방법을 제안하였다. 네트워크는 여러 기본 블록과 잔차 연산으로 모델의 특징 추출 구조를 구성하며, 핵심은 이질적 그룹 합성곱 블록으로, 대칭 그룹 합성곱 블록은 병렬 방식으로 서로 다른 채널 간 내부 정보 특징을 추출하고 선택적 특징 융합을 수행한다. 보완 합성곱 블록은 공간, 입력 출력 차원 및 커널 차원에서 모든 차원의 동적 합성곱을 통해 누락된 문맥 정보를 포착하며, 대칭 그룹 합성곱 블록과 보완 합성곱 블록을 연결한 특징은 특징 강화 잔차 블록으로 불필요한 정보를 제거한다. 모델은 5가지 소거 실험을 통해 설계의 합리성을 입증하였으며, Set5, Set14, BSDS100, Urban100 테스트 세트에서 다른 주류 초해상도 복원 방법과 비교하여 피크 신호대잡음비(PSNR)와 구조적 유사성(SSIM) 정량적 수치가 향상되었고, 특히 확대 배율이 3인 Set5 데이터셋에서 두 번째로 우수한 알고리즘 CARN-M보다 0.06 dB 향상되었다. 결과는 제안된 모델이 더 우수한 성능 지표와 더 나은 시각적 효과를 가짐을 보여준다.

초해상도 복원; 다차원 어텐션 메커니즘; 특징 융합; 잔차 네트워크