연구진이 확산 모델 기반의 현실적인 이미지 초해상도(Real-ISR)에서 이미지 복원 난이도에 따른 동적 라우팅 전략을 제안했어요. 기존 방식은 모든 이미지에 동일한 처리 방식을 적용했지만, 제안하는 방식은 이미지 복원 난이도를 예측하여 적절한 용량의 네트워크에 할당해요. VAE의 공간 다운샘플링 비율을 조절하여 모델 용량을 다양화하고, 어려운 이미지에는 더 많은 고주파 정보를 보존하면서 효율성을 유지해요.
이미지 복원 난이도 예측기를 설계하여 각 이미지의 복원 비용을 예측하고, 이를 바탕으로 적절한 용량의 네트워크에 자동으로 할당해요. 다양한 모델 용량을 가진 Real-ISR 네트워크를 구축하여 복잡한 이미지에는 더 많은 고주파 정보를 보존하고, 간단한 이미지에는 효율성을 높여요.
실험 결과, 제안하는 모델이 기존 최고 성능 모델보다 효율성과 효과성 측면에서 우수한 성능을 보였어요.