디지털 홀로그래피 분야는 최근 수십 년 동안 상당한 발전을 이루었으나, 디지털 홀로그램의 상용화는 여전히 대용량 데이터 크기라는 문제로 인해 저해되고 있다. 간섭계(interferometric) 성격을 지닌 디지털 홀로그램의 복잡한 신호 특성 때문에, 기존 코덱은 만족스러운 부호화 효율을 제공할 수 없다. 또한 전형적인 부호화 시나리오에서는 홀로그램을 인코딩한 뒤 디코딩하며, 이 과정에서 빛의 파 전파 모델(light wave propagation model)을 통해 수치적 재구성(numerical reconstruction)이 수행된다. 선행 연구들은 주로 디코딩된 홀로그램의 품질에 초점을 맞추었지만, 실제로 관찰자에게는 수치적 재구성이 보이므로, 부호화 해결책을 설계할 때 그 품질 역시 고려되어야 한다. 본 연구에서는 디지털 홀로그램 데이터 세트에 대해 기존 압축 표준인 JPEG2000과 HEVC-Intra의 부호화 성능을 평가한 후, 이들 표준의 한계를 분석한다. 이어서, VVC 및 JPEG-XL과 같은 최신 표준 코덱들뿐만 아니라 JPEG2000 및 HEVC에 비해 우수한 부호화 성능을 보이는 전복소(full-complex) 홀로그램용 딥러닝 기반 압축 네트워크를 제안한다. 제안된 네트워크는 네트워크 학습을 위한 왜곡 비용(distortion costs)으로 디코딩된 홀로그램의 품질뿐 아니라 수치적 재구성의 품질도 포함한다. 실험 결과는 제안된 네트워크가 기존 방법들에 비해 더 우수한 객관적 부호화 효율과 더 나은 시각적 품질을 제공함을 검증한다.

고해상도 디스플레이에서 전체 화면 형식으로 저품질 방송 콘텐츠를 표시하기 위해서는, 핵심 소비자 기술인 초해상도(Super-Resolution, SR)의 적용이 필수적이다. 최근에는 원본 이미지 정보를 보존하면서 해상도를 향상시킬 뿐 아니라 인지되는 화질을 개선하는 SR 방법들이 개발되었다. 그러나 SR이 적용된 방송 콘텐츠와 같이 저품질 소스로부터 생성된 SR 이미지의 화질을 평가하는 일은, 왜곡과 개선을 모두 고려해야 하므로 어렵다. 또한 원래의 고품질 소스가 없는 상태에서 SR 이미지 화질을 평가하는 것 역시 또 다른 중요한 과제이다. 불행히도, 이러한 조건에서 SR 이미지의 이미지 품질 평가(Image Quality Assessment, IQA)를 특수하게 다룬 연구는 부족한 실정이다. 본 연구에서는 2K 및 4K 해상도에서의 SR 방송 이미지를 위한 새로운 IQA 데이터셋을 제안한다. 우리는 이러한 SR 이미지들에 대한 평균 의견 점수(Mean Opinion Score, MOS)를 얻기 위해 주관적 화질 평가를 수행하였으며, 지각된 화질에 영향을 미치는 핵심 요인을 파악하기 위해 포괄적인 인간 연구를 실시했다. 마지막으로, 기존 IQA 지표들의 성능을 본 데이터셋에서 평가했다. 본 연구는 현행 지표들의 한계를 드러내며, SR 이미지의 지각된 화질과 더 잘 상관되는 보다 견고한 IQA 지표의 필요성을 강조한다.