기존 Transformer 기반 이미지 초해상도 네트워크에서 단일 수용 영역 크기 및 추가 차원 정보의 미활용 문제를 해결하기 위해 본 논문에서는 다차원 집약 Transformer 네트워크를 제안한다. 먼저, 다중 규모 상호 조절 모듈을 구축하여 저해상도 이미지에서 다중 규모 특성을 추출하여 정보 흐름의 풍부함을 강화한다. 둘째, 공간-채널 상호작용 모듈을 설계하여 Transformer 층에 통합하였으며, 네 가지 형태의 주의 메커니즘을 활용하여 주요 특성을 충분히 추출하고 특성 융합을 실현하여 모델 성능을 향상시킨다. 마지막으로, 특성 재사용 Transformer 모듈을 제안하여 각 층의 특성 간 연관성을 깊이 탐색하고 중요 특성을 정밀하게 추출 및 효율적으로 재사용하여 모델 성능을 더욱 강화한다. 실험 결과는 5개의 벤치마크 데이터셋에서 제안된 방법이 다른 최첨단 알고리즘보다 우수함을 보여준다. 다양한 확대 배율의 초해상도 과제에서 Swin Transformer 기반 이미지 복원 방법에 비해 평균 약 0.26dB 및 0.0024의 PSNR과 구조유사도가 향상되었으며, 복원 결과가 더욱 선명하다. 본 방법은 기존 방법의 한계를 효과적으로 극복하였으며 초해상도 과제에서 뛰어난 성능 향상과 적용 가능성을 보여준다.

이미지 초해상도;Transformer;주의 메커니즘;특성 상호작용;특성 재사용;다중 스케일