Paper Review. Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network@CVPR' 2017

• Paper link

Super Resolution이란?

딥러닝 SR의 시작 – SRCNN

딥러닝 SR의 발전 – VDSR

딥러닝 SR의 발전 – SRGAN

Conclusions & Reviews

• Object detection같은 경우 input image data를 Super resolution으로 화질 개선하여 사용하면 성능이 올라갈 것이다. 하지만 image의 크기가 2배or 4배 가량 커지기 때문에 memory문제가 발생할 수 있음.

• 명확하고 신뢰할 수 있는 하나의 평가 지표가 없어 PSNR, SSIM, MOS와 같이 여러 지표를 비교해가며 성능을 확인해야 함

• Method를 선택할 때, PSNR, SSIM, MOS 중에서 어떤 것을 중점으로 보고 선택하고 사용해야 할지 고르기가 힘들 것 같음

Reference

1. https://hoya012.github.io/
2. https://www.slideshare.net/NaverEngineering/deep-learning-super-resolution
3. https://leedakyeong.tistory.com/
4. Image Super-Resolution Using Deep Convolutional Networks, 2014 ECCV
5. Accurate Image Super-Resolution Using Very Deep Convolutional Networks, 2016 CVPR
6. Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network, 2016 arXiv
7. Deep Learning for Single Image Super-Resolution: A Brief Review, 2018 arXiv
8. A Deep Journey into Super-resolution: A Survey, 2019 arXiv