要約
我々は高精度の単一画像超解像（Super-Resolution, SR）手法を提案します。本手法では、ImageNet分類に用いられたVGG-net \cite{simonyan2015very} を参考にした非常に深い畳み込みニューラルネットワークを使用しています。ネットワークの深さを増加させることで、精度が大幅に向上することが確認されました。最終的なモデルでは20層の重み層を使用しています。深いネットワーク構造において小さなフィルタを多次にカスケード接続することで、大規模な画像領域における文脈情報を効率的に活用できます。しかし、非常に深いネットワークでは学習時の収束速度が重要な課題となります。そこで、シンプルながら効果的な学習手順を提案します。残差のみを学習し、調整可能な勾配クリッピングによってSRCNN \cite{dong2015image} よりも極めて高い学習率（SRCNNの1万倍）を使用します。我々の提案手法は既存の手法よりも精度が高く、視覚的な改善も結果から容易に確認できます。