02 · 실제 출력 나란히 보기
한 줄에 같은 입력, 모든 모델.
작은 화면에서는 원본을 ⅓ 미리보기로 고정하고 결과를 남은 폭에 맞춥니다. 이미지를 누르면 전체 크기로 열립니다.
고해상도 원본은 각 줄의 왼쪽에 고정됩니다. 좌우로 밀어도 원본을 보면서 결과를 비교할 수 있습니다. 모든 입력은 같은 흰 배경 원본에서 Pillow bicubic으로 새로 축소했으며, 이미지를 누르면 실제 PNG가 열립니다.
완료된 추론 기록을 기다리고 있습니다.
조건을 읽고 비교하기
같게 맞춘 것과 다르게 실행한 것
고해상도 정답 원래 도트를 확대하지 않고 같은 흰색 288×288 캔버스에 배치했습니다. 세 배율이 같은 정답을 공유합니다.
실제 추론 방법 4배 모델을 2배·3배에 활용한 결과와 전용 가중치의 결과는 다른 실행 방법입니다. 각 카드의 ‘모델 원출력’ 링크에서 크기 조절 전 PNG도 확인할 수 있습니다.
전경 점수 원본 알파가 0보다 큰 모든 전경의 RGB를 비교합니다. PSNR은 높을수록, MAE는 낮을수록 원본 숫자에 가깝습니다. 원래 픽셀 위치도 제외하지 않습니다.
평균과 범위 이미지별 점수를 구한 뒤 8종에 같은 비중을 주어 평균합니다. 각 줄은 한 예시의 점수입니다. 파란색 편향이나 전체 도트의 성능 순위를 뜻하지 않습니다.
Bicubic은 주변 색을 섞는 축소 방식이므로 원본 픽셀 하나를 그대로 보존하는 조건은 아닙니다. Pillow 구현은 ESRGAN 논문의 MATLAB 구현과 완전히 같지 않습니다.
OpenAI 항목은 공식 64→256 모델의 생성 공간(그림을 만드는 크기)을 이번 입력에 맞게 확장한 실험입니다. 이 캐릭터에 대응하는 정답 ImageNet 클래스가 없어 임의 클래스 번호도 사용했습니다. RePaint는 픽셀 마스크를 채우는 조건 실험이므로 별도 대조 결과에서 볼 수 있습니다.