"Data Augmentation이 학습에 미치는 영향 :10"  라는 문장이 대회 규칙의 문맥상 보면,

Data Augmentation 기법들을 잘 찾아서 적용 했을때, PSNR을 크게 하는 것이 점수를 더 받는것 같은데요 (맞겠죠?)

목적에 따라 다르겠지만. 좋은 모델을 만들기 위한 거라면 (a.k.a Model Centric)

Data Augmentation 하지 않고도 높은 성능을 얻은 모델이, Data Efficiency 하게 높은 성능을 낼 수 있을 것이고,

나중에 Data 가 누적되어 많아졌을 때에는상대적으로 더 높은 성능을 낼 수 있을 것 같은데요.

그것이 더 현업에서 필요한것이 아닐까 생각해봤습니다.

아, 모델은 fix가 되어있고 효과 적인 augmentation 방법을 찾는 목적이라거나,

학습할 Data가 누적하기 어려운 환경이라, 적은 Data로만 학습 해야 한다면 augmentation의 중요도가 높긴하겠네요.