음.. 그래서 저는 256x256으로 학습시킨후 원래크기 (2448,3264?)로resize와 base 라인처럼 이어붙힌후의 만드는것의 PSNR 점수 면에서 무엇이좋을지 궁금했습니다. 새로운 모델을 만들었는데 base line 의 이미지 전처리 코드를 적용하는게 조금 까다로워서 reszie 그냥 resize를 해버렸는데 이게 얼마나 영향을 미칠지 궁금했습니다 

2448x 3264 -> 256x256 -> 2448x3264 는 정보손실이 너무 클 것 같습니다.
PSNR 점수에도 영향이 아주 클 것 같고요.
그래서 위 예시 처럼 과감한 resize 보단 crop하여 패치로 접근 하는게 더 낫다고 생각합니다.

모델이나 알고리즘을 어떻게 구성하냐에 따라 resize가 잘 될 수도 있을 것 같습니다. 정답이 없죠 ㅠㅠ
저는 resize로 해보았을 때 좋은 결과물이 보이지 않아 지금은 이미지를 통으로 resize 하는 방법은 사용하고 있지 않습니다.

삭제된 댓글입니다

정말 고민해봐야할 문제네요 누가정리해놓았는지 한번찾아봐야겠네요

음 그러면 PSNR 측면에서 무엇이 더 좋을까요?? baseline 을 따라가는게 제일 좋으려나요??

학습, 추론 속도 관점에서는 resize가 우세하다고 생각하는데
PSNR 점수를 극대화하는 건 Baseline방법도 좋아보인다고 생각합니다

PSNR 측면만 생각하기보다 데이터가 손실 되더라도 PSNR에 관련성이 어느정도인지 판단하는 것이 중요한 것 같습니다. 제 실험에서는 모델마다 결과가 달랐고 어떤 모델은 축소 확대하더라도 psnr점수 손실이 굉장히 적은 반면에 어떤 모델은 굉장히 크기도 했습니다. 사용하시는 모델로 실험해보시는 것 추천드려요.

흠... 이게 제가만든 모델에 Baseline 코드를 적용하려니 되게 까다로운 작업이 되어서... 애초에 2448x3264 -> 2448x3264 를 학습시킬까 생각해봤는데 이건 말도안될거같아서 포기했습니다ㅠㅠ 256x256 으로 학습시킨후에 test_image 를 cutting 하여 model.predict 한후에 다시 넣는방법이 좋으려나요? 

Sliding Window patch를 256x256으로 잘라서 사용하시면 될것같습니다