Resumen Técnico: SRGAN-CKAN

Enunciado del Problema

La Super-Resolución de Imagen Única (SISR) es un problema inverso mal planteado que busca reconstruir una imagen de Alta Resolución (HR) a partir de una única observación de Baja Resolución (LR). El desafío radica en recuperar los detalles de alta frecuencia que se degradan severamente durante la adquisición o la transmisión. Si bien los avances recientes que utilizan arquitecturas basadas en transformadores y modelos de difusión han mejorado la modelización del contexto global y la calidad perceptual, a menudo conllevan una complejidad computacional significativa. Por el contrario, las Redes Neuronales Convolucionales (CNN) tradicionales dependen de mapeos locales lineales seguidos de no linealidades puntuales, lo que limita su capacidad expresiva para modelar estructuras locales complejas y texturas de alta frecuencia sin aumentar la profundidad o el ancho del modelo.

Metodología

El artículo propone SRGAN-CKAN, un marco híbrido de super-resolución que integra Redes de Kolmogorov–Arnold Convolucionales (CKAN) en el entorno de aprendizaje adversarial de SRGAN. La innovación central es la reformulación del operador convolucional estándar como una transformación no lineal basada en parches.

El Operador CKAN

En lugar de tratar la convolución como una proyección lineal de parches locales ($y_{i,j} = w^\top p_\ell$), el operador CKAN procesa cada vector de parche local $p_\ell$ a través de un mapeo no lineal aprendible $g(\cdot)$ implementado mediante una Red de Kolmogorov–Arnold (KAN).

• Mecanismo: El mapa de características de entrada se despliega en parches locales superpuestos. Cada vector de parche es procesado por una capa KAN que consta de dos componentes:
  1. Una transformación lineal factorizada que utiliza coeficientes aprendibles y matrices base fijas.
  2. Una transformación no lineal basada en splines donde cada dimensión de entrada se aproxima utilizando funciones base de splines aprendibles ($\phi(x) = \sum \alpha_m B_m(x)$).
• Integración: Estos componentes se agregan, normalizan y remodelan de nuevo en el mapa de características espacial. Esto permite que el modelo capture dependencias locales más ricas y relaciones complejas dependientes del contexto entre píxeles vecinos sin aumentar significativamente la complejidad arquitectónica.

Arquitectura y Entrenamiento

La arquitectura SRGAN-CKAN conserva la estructura estándar de SRGAN:

• Generador: Transforma las entradas LR en estimaciones HR utilizando bloques residuales donde las convoluciones estándar son reemplazadas por operadores CKAN. Incluye extracción inicial de características, un tronco residual y etapas de aumento de resolución.
• Discriminador: Evalúa el realismo perceptual de las imágenes generadas frente a objetivos HR reales utilizando un análisis de textura jerárquico.
• Protocolo de Entrenamiento: El modelo sigue un proceso de entrenamiento en dos etapas bajo recursos limitados (NVIDIA RTX 4060, 8 GB de VRAM, tamaño de lote 1):
  1. Preentrenamiento Supervisado (fase SRResNet): Optimizado utilizando pérdida de contenido para garantizar la consistencia estructural.
  2. Ajuste Fino Adversarial (fase SRGAN): Optimiza conjuntamente el generador y el discriminador utilizando una combinación de pérdidas de contenido, píxel y adversarias para mejorar la calidad perceptual.

Contribuciones Clave

1. Reformulación de la Convolución: Los autores introducen una representación funcional parche a parche de las transformaciones de imagen locales dentro del marco SRGAN utilizando un mecanismo de proyección inspirado en Kolmogorov–Arnold (CKAN).
2. Implementación de un Pipeline Completo: El trabajo diseña e implementa un pipeline de entrenamiento completo, que incluye preentrenamiento supervisado y ajuste fino adversarial, específicamente optimizado para recursos de hardware mínimos.
3. Análisis Experimental Controlado: El estudio proporciona una comparación controlada que demuestra que el modelo propuesto mejora la calidad perceptual mientras preserva la fidelidad de reconstrucción, logrando un equilibrio favorable entre métricas basadas en distorsión (PSNR, MS-SSIM) y perceptuales (LPIPS).

Resultados Experimentales

El modelo fue evaluado en el conjunto de datos DIV2K (subconjunto de 1600 imágenes) con un factor de aumento de $\times4$.

• Fidelidad vs. Percepción: La transición desde la etapa de preentrenamiento (SRResNet-CKAN) a la etapa adversarial (SRGAN-CKAN) resultó en una degradación mínima del PSNR (disminución de 0.055 dB) y del MS-SSIM (disminución de 0.0022), mientras mejoraba significativamente el LPIPS (de 0.2124 a 0.1947).
• Comparación con Líneas Base: En comparación con una línea base convencional de SRGAN convolucional, SRGAN-CKAN logró un PSNR más alto (24.90 dB frente a 20.07 dB) y un MS-SSIM superior, junto con una reducción sustancial del LPIPS (0.1947 frente a 0.3226).
• Eficiencia de Recursos: Estos resultados se lograron bajo configuraciones computacionales limitadas (una sola GPU, tamaño de lote reducido), en contraste con los métodos más avanzados que a menudo requieren hardware de gama alta y extensas iteraciones de entrenamiento.

Significado y Afirmaciones

El artículo afirma que SRGAN-CKAN introduce una dirección complementaria a los enfoques existentes al potenciar el poder representacional de las transformaciones locales en lugar de depender de arquitecturas globalmente intensivas. Al reemplazar los mapeos locales lineales con representaciones funcionales basadas en splines, el método permite una modelización expresiva de estructuras locales complejas y texturas de alta frecuencia utilizando recursos de hardware mínimos.

Los autores enfatizan que este enfoque proporciona una alternativa eficiente y escalable a los modelos basados en transformadores o de difusión, equilibrando con éxito el compromiso inherente entre la fidelidad de reconstrucción y el realismo perceptual en la super-resolución adversarial. El trabajo destaca el potencial de integrar representaciones funcionales (específicamente KANs) en arquitecturas de aprendizaje profundo para tareas de restauración de imágenes.