대부분의 이미지 초해상도 복원 방법이 단일 스케일 컨볼루션을 이용하여 특징 추출을 수행함에 따라 특징 추출이 충분하지 않은 문제를 해결하기 위해, 다중 스케일 적응형 어텐션 기반 이미지 초해상도 네트워크를 제안한다. 각 계층 수준의 특징에 있는 문맥 정보를 충분히 활용하기 위해 다중 스케일 특징 융합 블록을 설계했으며, 기본 단위는 적응형 이중 스케일 블록, 다경로 점진적 상호작용 블록, 적응형 2차원 어텐션이 순차적으로 연결되어 있다. 먼저, 적응형 이중 스케일 블록이 두 스케일의 특징을 자율적으로 융합하여 더욱 풍부한 문맥 특징을 얻고; 다음으로, 다경로 점진적 상호작용 블록이 점진적으로 적응형 이중 스케일 블록의 출력 특징과 상호작용하여 문맥 특징 간의 연관성을 향상시키며; 마지막으로, 적응형 2차원 어텐션이 서로 다른 차원의 어텐션을 선택적으로 적용해 출력 특징의 판별력을 높인다. 실험 결과, Set5, Set14, BSD100, Urban100 테스트 세트에서 본 논문 방법은 PSNR 및 SSIM 정량 지표에서 기존 주요 방법 대비 향상되었으며, 특히 텍스처 복원이 어려운 Urban100 테스트 세트에서 배율 인자 ×4일 때, 기존 최우수 방법인 SwinIR 대비 PSNR과 SSIM 지표가 각각 0.05 dB 및 0.0045 향상되었고, 시각적 효과 측면에서도 본 논문에서 복원한 영상은 더 많은 텍스처 디테일을 가진다.

초해상도; 다중 스케일 특징; 어텐션 메커니즘; 적응형 가중치; 점진적 정보 상호작용