1. 서비스 배경 및 목적
- 인공지능 모델을 통해 손상된 이미지를 복원하는 것이 목적
2. 서비스 유사 사례 분석
- CCTV 이미지에서 범죄자의 얼굴을 더욱 명확하게 파악하여 범죄자를 추적
3. 인공지능 모델의 입/출력
- 입력 : 손상된 이미지
- 출력 : 복원된 이미지
4. 데이터셋 구축 방안
- AIHub 초해상 이미지 데이터(https://aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&aihubDataSe=realm&dataSetSn=77)를 이용
- AIHub 후처리하는 코드 제공 (학습셋, 시험셋 - 랜덤시드 고정)
5. 데이터셋 구성 목표
- 학습 데이터 : 1000 장
- 시험 데이터 : 136 장
- 학습 데이터 : 시험 데이터 = 7 : 1
6. 모델 평가 방법
- PSNR(Peak Signal-to-noise ratio) : 신호가 가질 수 있는 최대 전력에 대한 잡음의 전력
7. 베이스라인 성능
- PSNR ## %
8. 서비스 구축계획 및 사용 시나리오
- 그라디오로 웹 인터페이스 구성안 (입력: 이미지 파일 업로드, 출력: 이미지 파일)
9. 서비스 기대 효과
- 이미지 선명도 개선: 이미지 초해상화는 이미지의 선명도를 개선하여 이미지를 더 선명하고 깨끗하게 만들어 줍니다. 따라서, 이미지에서 세부적인 정보를 더 잘 파악할 수 있어서 보다 정확한 판단이 가능합니다.
- 화질 개선: 초해상화 기술은 저화질 이미지를 고화질 이미지로 변환해줌으로써, 이미지의 화질을 개선할 수 있습니다. 이는 예술 작품, 과학 연구, 의료 이미징 등 다양한 분야에서 유용하게 활용됩니다.
- 비디오 초해상화: 이미지 초해상화 기술은 비디오에서도 적용될 수 있습니다. 따라서, 저화질의 동영상을 고화질로 변환하여 보다 뚜렷한 영상을 제공할 수 있습니다.
- 머신러닝 학습 데이터 확보: 초해상화 기술은 이미지를 고화질로 변환해줌으로써, 머신러닝 학습 데이터의 양을 늘릴 수 있습니다. 이는 머신러닝 학습 모델의 정확도를 높이는 데에 큰 도움이 됩니다.
- 보안 강화: 초해상화 기술은 이미지의 세부 정보를 더욱 명확하게 해주므로, 보안 강화에도 사용될 수 있습니다. 예를 들어, CCTV 이미지에서 범죄자의 얼굴을 더욱 명확하게 파악하여 범죄자를 추적할 수 있습니다.