既存の超解像手法は高解像度画像から低解像度画像への事前定義された劣化過程を仮定しており、複雑な劣化タイプを持つ実世界の画像には適用が困難である。これに対処するため、本論文では劣化認識に基づくブラインド超解像モデルを提案する。本モデルはランダムなぼかしカーネルを用いて低解像度画像を生成し、コントラスト学習で劣化表現を行う。モデルジェネレータは複数の劣化認識ブロックを含む残差グループで構成される。劣化認識ブロックは劣化表現と画像特徴の交差注意によって空間重みマップを計算する。さらに、モデルは残差グループの出力の階層的特徴を収集し、層間注意を計算して階層的特徴を再利用し、高周波の細部により注目し、モデルの特徴抽出能力をさらに向上させる。アブレーション実験により各モジュールの有効性を検証した。複数の国際公開テストセットにおいて、拡大率4倍で平均PSNRが1.45dB、SSIMが0.058向上した。実験結果は本モデルがブラインド超解像タスクで顕著な性能を達成し、良好な視覚効果を有することを示している。

超解像;ブラインド超解像;交差注意;空間注意;特徴再利用