생성적 적대 신경망이 이미지 초해상도(SR) 분야에 적용되면서, 일부 지각 기반 SR 방법들은 더 풍부한 텍스처 디테일을 복원할 수 있어 PSNR 중심의 SR 방법들이 초래하는 이미지 평활화 문제를 효과적으로 완화한다. 그러나 이미지 텍스처의 중요한 표현 형태인 그래디언트 정보는 SR 방법에서 정확하고 효율적으로 활용되는 경우가 거의 없다. 이를 위해 그래디언트 인지 기반 이미지 초해상도(GASR) 알고리즘을 제안하여 그래디언트 정보를 더욱 정확하게 활용할 수 있다. 한편으로는 그래디언트 영역 특성 맵을 이미지 영역 특성 맵에 작용하는 합성곱 커널로 활용하여 서로 다른 영역 특성 맵의 연결로 인한 영역 충돌 문제를 효과적으로 회피하고, 다른 한편으로는 합성곱 커널 크기 등의 설계 세부 조정을 통해 두 분기에서 대응 위치의 이미지 영역과 그래디언트 영역 특성 맵의 수용 영역을 일치시킨다. 또한 실제 응용에서 네트워크 경량화 요구가 증가함에 따라 제안된 GASR 알고리즘은 파라미터 수와 계산량을 효과적으로 줄였다. 그래디언트 정보를 활용하는 SPSR과 비교해 GASR은 약 1/6의 파라미터 수와 1/10의 계산량으로 유사한 성능을 달성했다. Set14 데이터셋에서 LPIPS와 PSNR은 각각 0.0022와 0.217 향상되었다. 실험 결과는 GASR이 텍스처 생성과 이미지 평활도 간 균형을 잘 이룰 수 있음을 검증하였으며, 시각화 결과는 GASR이 SR 이미지를 정확하게 복원할 뿐만 아니라 어느 정도 잡다한 텍스처 생성 문제도 완화함을 보여주었다.

이미지 초해상도; 그래디언트; 딥러닝; 생성적 적대 신경망