인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
본 연구는 단일영상 초해상화 성능에 영향을 미치는 요인을 분석하기 위해, 대표적인 딥러닝 모델들과 다운샘플링 방식 간의 관계를 분석하였다. 실험에 사용된 모델은 SRCNN, SRGAN, DRCT, Diffusion 네 가지이며, 동일한 고해상도 영상을 기반으로 Bicubic 및 Bilinear 방식으로 생성된 저해상도 영상을 입력 값으로 활용하였다. 모든 모델은 학습 및 테스트 단계에서 두 가지 다운샘플링 방식의 조합에 따라 Bicubic-Bicubic, Bicubic-Bilinear, Bilinear-Bicubic, Bilinear-Bilinear의 네 가지 조건으로 실험되었다. 결과물에 대한 성능 평가는 PSNR, SSIM, RMSE의 세 가지 정량적 지표를 기준으로 수행하였다. 실험 결과, 전반적으로 모델의 종류가 복원 성능에 가장 큰 영향을 미쳤으며, Transformer 기반의 DRCT 모델이 가장 우수한 성능을 기록하였다. 반면, 다운샘플링 방식 간의 성능 차이는 모델에 따라 미세한 수준에 그쳤으며 학습과 테스트 조건의 일치 여부가 성능에 미치는 영향도 제한적인 것으로 나타났다. 본 연구는 딥러닝 모델의 선택이 초해상화 성능에 미치는 영향을 정량적으로 규명하고, 다운샘플링 방식의 상대적 중요도를 평가함으로써 공간정보 응용 분야에서의 초해상화 모델 선택과 전처리 전략 수립에 실용적인 기초자료를 제시하였다. 향후, 추가적인 연구를 통해 초해상화 결과의 시각적인 평가와 실제 저해상도 영상을 이용한 초해상화 연구가 필요하며, 이러한 연구의 결과는 다양한 영상 해상도 복원 문제에 적용 가능한 모델 설계 및 학습 전략 수립에 활용될 수 있을 것이다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093632224
