Enhancing Detail Quality in Latent Diffusion Model-Based Super-Resolution via Multi-Scale Discrete Wavelet Transform

본 논문은 잠재 확산 모델 기반 초해상화 기법의 세부 품질을 향상하기 위한 다중 스케일에서 이산 웨이블릿 변환 프레임워크를 제안한다. 기존의 잠재 확산 모델 기반 초해상화 기법들은 저해상도 영상의 초해상화 과정에서 영상에 존재하는 미세한 윤곽이나 질감과 같은 세부 정보를 잘 보존하지 못한다는 한계가 존재했다. 본 논문에서는 모델이 추론한 초해상화 영상과 실제 고해상도 영상을 다양한 스케일로 증강하고 두 영상 사이의 오차를 이산 웨이블릿 변환을 통해 고주파 영역에서 추출함으로써 모델이 영상의 세부 정보를 더 정확하게 보존할 수 있도록 한다. 제안하는 프레임워크는 벤치마크 데이터셋을 통한 기존 기법들과의 성능 비교에서 우수한 성능을 보이며 초해상화 영상의 세부 품질을 향상하는데 효과적임을 보여준다.