単一画像の超解像度向上のために強化された深層残差ネットワーク

最近の超解像に関する研究は、深層畳み込みニューラルネットワーク（DCNN）の発展とともに進展しています。特に、残差学習技術は性能向上を示しています。本論文では、現行の最先端のSR手法を超える性能を持つ強化された深層超解像ネットワーク（Enhanced Deep Super-Resolution Network: EDSR）を開発しました。当モデルの大幅な性能向上は、従来の残差ネットワークから不要なモジュールを削除することで最適化されたことに起因します。さらに、モデルサイズを拡大しつつ訓練プロセスを安定させることで性能が向上しています。また、異なる拡大率の高解像度画像を単一のモデルで再構成できる新しいマルチスケール深層超解像システム（Multi-Scale Deep Super-Resolution System: MDSR）と訓練方法も提案しています。提案手法はベンチマークデータセットにおいて最先端手法に優れた性能を示し、NTIRE2017 超解像チャレンジでの勝利によりその優秀性が証明されました。