라이트 필드 초해상도(SR)는 여러 부화소 조리개 영상(sub-aperture images, SAIs)으로부터 정보를 활용하여 라이트 필드 이미지의 공간 해상도를 향상시키는 것을 목표로 하는 작업이다. 딥러닝 기반 방법은 인상적인 성능을 보였으나, 충분한 학습 데이터의 부재로 인해 적용이 종종 저해된다. 이러한 문제를 해결하기 위해 본 연구에서는 라이트 필드 SR을 위한 모션 인지 데이터 증강(data augmentation, DA)인 CutMAA를 제안한다. 라이트 필드 SR에 대한 기존 DA 방법들은 라이트 필드에 내재된 공간-각도 상관성을 고려하지 않는다. 반면 CutMAA는 모션 정보를 활용하여 이러한 상관성을 효과적으로 반영한다. CutMAA는 중심 SAI와 나머지 SAI들 사이의 모션 차이를 계산하고, 각 SAI의 픽셀 위치를 그에 맞게 정렬하기 위해 워핑(warping) 과정을 수행하여 워핑된 SAIs를 생성한다. 이러한 워핑된 SAIs로부터 패치를 추출하고 블렌딩한 뒤, 다른 해상도의 라이트 필드에 이를 붙여 넣는다. 기존 DA에 비해 본 방법은 라이트 필드 SR 성능을 유의하게 향상시킨다. 또한 CutMAA는 기존 프레임워크에 원활하게 통합될 수 있어, 다양한 라이트 필드 SR 시나리오 전반에 걸친 폭넓은 적용 가능성을 보장한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.