Despite active researches on image super-resolution, reconstructing high-resolution images that preserve the features of an image from low-resolution images remains as a challenging task. While recent super-resolution networks focus on creation of high-quality images, producing images that are faithful to features of original input image is essential. In this paper, we present FaithSR, a super-resolution network that focuses on formulating faithful latent vectors which leads to both high-quality and high-fidelity images. We enlarge the effect of precise attributes by taking advantage of our novel encoder loss, latent vector pool, Bayesian approach, and latent operation. We show that FaithSR outperforms previous works by evaluation on both quantitative and qualitative aspects. Our network can be applied to variety of other computer-vision tasks, e.g., inversion, face frontalization and conditional image synthesis.
이미지 초해상화에 대한 활발한 연구가 진행되고 있음에도 불구하고, 저해상도 이미지로부터 얼굴의 특징을 그대로 보존하는 고해상도 이미지를 재구성하는 문제는 여전히 해결되지 않고 있다. 최근의 초해상화 네트워크들은 고품질 이미지 생성에 중점을 두고 있으나, 원본 이미지의 특성에 충실한 고해상도 이미지 생성이 초해상화의 가장 중요한 목표이다. 따라서, 본 연구는 높은 품질과 충실도를 가지는 사진을 생성할 수 있는 잠재 벡터를 최적화하는 데 중점을 둔 네트워크인 FaithSR을 제안한다. FaithSR은 잠재 벡터 집합, 베이지안 접근 및 잠재공간에서의 연산을 활용하여 가장 확실한 잠재벡터를 추출한다. 나아가, 본 연구는 FaithSR의 성능을 여러 측면에서 평가하고 기존의 모델과 비교한다. FaithSR은 이미지 초해상화 뿐 아니라 이미지 반전, 얼굴 정면화 및 조건부 이미지 합성 등 다양한 컴퓨터 비전 작업에 적용될 수 있다.
