완전 채널 연결 네트워크를 이용한 단일 이미지 초해상도

본 논문은 단일 이미지 초해상도(Single Image Super‑Resolution, SISR) 분야에서 널리 사용되는 잔차 학습(residual learning) 방식이 갖는 표현 중복 문제를 근본적으로 해결하고자 한다. 기존의 잔차 기반 네트워크는 깊이를 늘려도 그래디언트 소실을 방지하기 위해 항시 동일한 신호를 여러 경로로 전달한다. 이러한 “identity path”는 학습 안정성을 제공하지만, 동일한 정보를 중복 전달함으로써 모델의 표현 용량을 충분히 활용하지 못한다는 비판을 받아왔다. 이를 극복하기 위해 저자들은 “가중치 채널 연결”(Weighted Channel Concatenation, WCC)이라는 새로운 스킵 메커니즘을 고안한다. WCC는 두 입력 흐름—원본 특징 xₜ와 비선형 변환 H(xₜ)—을 각각 스칼라 가중치 λ₁, λ₂로 스케일링한 뒤 채널 차원에서 단순히 연결하고, 이어서 1×1 합성곱 L을 적용한다. 수식적으로는 xₜ₊₁ = L(