도데체 왜 Super Resolution을 공부하는 걸까?

누구나 이해하기 쉬운 Super Resolution의 뜻

Super Resolution(SR)는 알아먹지 못하는 한국말로 초해상도를 만드는 기술이라 불린다.

연구를 하는 대부분의 이유는 문제 즉, 과제를 발견했기 때문이라 할 수 있는데,

SR의 과제는 저해상도에서 고해상도 사진을 만들 수 없을까 라는 생각에서 나온 것이다.

SR을 구글링하다 보면 위의 사진을 정말 많이 보게 된다. (SRCNN에 대한 사진이다.)

무슨 말인진 모르겠으나, 왼쪽 사진에서 오른쪽 사진으로 가는데 뭔가를 거쳐 지나간다.

정말 쉽게 말하자면, "화질이 않좋은 것에서 화질이 좋은 것으로 만드는 기술"을 SR이라 한다.

SR을 해서 어디다가 써먹으려 하는 걸까

화질이 좋아진다고 위에서 언급했다. 

사실 SR을 써먹는 사람은 X-ray 같은 장비(영상 장비라고 부른다.)들을 보는 의사들이다. 

이 의사들이 영상 장비를 사용하는 목적은 돈을 벌기 위해서가 아닌 사람을 살리는데 있다.

더욱 정확한 진료와 최적의 치료를 하기 위하여 영상 장비를 사용한다.

그렇다면 화질이 좋아지게 하는 기술인 SR은 결국 사람을 더 정확하게 진료하고 살리는 것을 목표로 한다고 할 수 있다. (해도 과언이 아니다.)

위 사진에서 a와 f만 보자면, SR을 사용하여 a를 f로 만든 것이라고 한다. 

차이점이 느껴지는지 확인해보자.

(솔직히 뭐가 다른지 일반인들은 모른다. 나도 모른다.)

아무튼 SR을 사용하여 어디다 써먹냐면, (중간과정은 생략하고) 사람을 더 잘 진료하고 살리는 데 이유가 있다고 할 수 있다.

Reference

(어딜가나 출처는 너무나도 중요하다. 그렇기 때문에 크게 고딕체로 굵게 제시할 것이다.)

1. 첫번째 올린 사진이다. 논문에서 가져왔다. 논문 제목은 "Image Super-Resolution Using Deep Convolutional Networks"이다.

chao Dong이 대표 저자인 듯하다. https://arxiv.org/pdf/1501.00092

(여기로 들어가면 새창에서 논문이 나온다.)

2. 두번째 올린 사진이다. 이 또한 논문에서 가져왔다. 논문 제목은 "Performance Evaluation of Super-Resolution Methods Using Deep-Learning and Sparse-Coding for Improving the Image Quality of Magnified Images in Chest Radiographs" 이다.

Kensuke Umehara가 대표 저자인 듯하다.

https://file.scirp.org/pdf/OJMI_2017091416103266.pdf

(여기로 들어가면 새창에서 논문이 나온다.)