기존의 초해상도 방법은 고해상도 이미지에서 저해상도 이미지로의 미리 정의된 열화 과정을 가정하는데, 이는 복잡한 열화 유형을 가진 실제 세계 이미지에 적용하기 어렵다. 이 문제를 해결하기 위해 본 논문에서는 열화 인식 기반 블라인드 초해상도 모델을 제안한다. 이 모델은 무작위 블러 커널을 사용해 저해상도 이미지를 생성하며, 대비 학습을 통해 열화 표현을 학습한다. 모델 생성기는 여러 열화 인식 블록을 포함하는 잔차 그룹으로 구성된다. 열화 인식 블록은 열화 표현과 이미지 특징 간의 교차 주의를 통해 공간 가중치 맵을 계산한다. 또한 모델은 잔차 그룹 출력의 계층적 특징을 수집하고 계층 간 주의를 계산하여 계층적 특징을 재사용함으로써 모델이 고주파 세부 사항에 더 집중하도록 하여 특징 추출 능력을 더욱 향상시킨다. 소거 실험을 통해 각 모듈의 유효성을 검증하였다. 여러 국제 공개 테스트 세트에서 배율 4배일 때 평균 PSNR은 1.45 dB, SSIM은 0.058 향상되었다. 실험 결과는 본 모델이 블라인드 초해상도 작업에서 뛰어난 성능을 달성했으며 우수한 시각적 효과를 제공함을 보여준다.

초해상도;블라인드 초해상도;교차 주의;공간 주의;특징 재사용