초해상도(Super Resolution, SR) 복원 기법은 저해상도 이미지로부터 고해상도 이미지를복원하는방법으로, 보통 ill-posed 문제로 간주된다. 이는 입력이미지에서 고해상도이미지를복원하는데많은해결책이있을수있지만, 명확한해결책을찾기 어렵다는것을의미한다. 이러한 ill-posed 문제를해결하기위해서는다양한측면에서 고려할 필요가 있다. 최근에는 초해상도 이미지 복원 문제에 대해 Deep Learning과 Neural Network 기반의 방법이 효과적으로 적용되고 있다. Deep Learning에서의 SR기법은 주어진 저해상도 영상을 학습된 Neural Network를 기반으로 고해상도 영상을 예측하는 방법이다. 이러한 접근법은 학습한 다양한 데이터 패턴을 기반으로 입력 이미지로부터 높은 해상도 이미지를 예측하고 생성할 수 있게 해준다. 특히 Convolutional Neural Network(CNN)이 SR에 적용되면서 딥러닝을 사용한 네트 워크 아키텍쳐, 트레이닝기법, 데이터셋의 활용 등에 연구에서 큰 발전이 있었다. 본 학위 논문에서는 네트워크 앙상블 학습을 활용한 단일 이미지 초해상도 복원 기법을 제안한다. 기존 Neural Network 기반초해상도복원기법들은단일모델을사용하여 고해상도 영상을 추론하며, 이는 단순 보간법이나 데이터 패치 기반 방식보다 뛰어난 결과를 제공한다. 하지만, 단일 모델은 학습 과정에서 발생하는 편향이나 과적합 문제로 인해 성능 향상에 한계가 존재한다. 본 연구에서는 이러한 문제를 해결하기 위해네트워크앙상블학습방식을도입한다. 앙상블학습은여러모델의예측결과를 결합하여최종결과를도출하는기법으로, 개별모델의한계를극복하고더욱정확하고 안정적인 결과를 얻을 수 있다는 장점을 가진다. 본 학위 논문에서는 특히 SR기능을 수행하는 모델을 직접 학습시키는 대신, 학습된 모델들의 추론 결과들을 융합하여 새로운 결과를 도출시에 필요한 가중치를 예측하는 새로운 학습 방식을 제안한다. 이 방식은모델학습과정을간소화하고, 모델 수에따른계산비용을효율적으로관리할 수 있다는 장점을 가진다. 본 연구에서 제안하는 앙상블 기반 초해상도 복원 기법은 기존 단일 모델 기반 방식보다 뛰어난 정량적 및 정성적 평가 결과를 달성하며, 실제 영상에 적용했을 때도 우수한 성능을 보임을 증명한다. 이러한 연구 결과는 네트워크 앙상블 학습이 단일 이미지 초해상도 복원 분야에서 효과적인 기법임을 보여주며, 향후 초해상도 복원 기술 발전에 기여할 것으로 기대된다.
