확장 가능한 프레임워크를 이용한 확산 모델 기반의 결합 시공간 초해상화

요약

기존의 비디오 초해상도(Super-Resolution) 모델은 특정 공간/시간 배율에 고정되어 있어 다른 조건으로 확장 적용이 어렵다는 한계가 있었습니다. 본 논문에서 제안하는 'Scale-Adaptive Framework'는 이러한 문제를 해결합니다. 이 프레임워크는 시공간 초해상도를 확산 모델(Diffusion Model)과 결정론적 예측을 결합하여 설계했으며, 세 가지 핵심 하이퍼파라미터(노이즈 스케줄 $eta$, 시간 컨텍스트 길이 $L$, 질량 보존 함수 $f$)를 조정함으로써 공간 및 시간 배율에 관계없이 일관되게 작동

핵심 포인트

• 제안된 프레임워크는 확산 모델과 결정론적 예측을 결합하여 시공간 초해상도를 처리합니다.
• 이 아키텍처는 세 가지 핵심 하이퍼파라미터(노이즈 스케줄 $eta$, 시간 컨텍스트 길이 $L$, 질량 보존 함수 $f$)를 조정함으로써 다양한 공간 및 시간 배율(예: 1~25, 1~6)에 걸쳐 재사용 가능합니다.
• 질량 보존 함수($f$)를 추가하여 입력과 출력 간의 총합(aggregated totals)을 유지할 수 있어 물리적 의미가 중요한 기후 데이터 처리에 유용합니다.
• 실제 예시로 프랑스 지역의 재분석 강수량(reanalysis precipitation over France, Comephore)에 적용되어 높은 확장성을 입증했습니다.