広域活性化による効率的かつ正確な画像超解像

本報告では、同じパラメータと計算リソースを用いた場合、ReLU活性化関数の前に広い特徴を持つモデルが単一画像超解像（Single Image Super-Resolution: SISR）において著しく優れた性能を示すことを示しています。得られたSR残差ネットワークは、各残差ブロックの活性化関数の前にチャンネル数を広げた（(2\times)から(4\times)）スリムなアイデンティティマッピングパスを持っています。さらに、計算コストを増やさずに活性化関数の前でチャンネル数をさらに広げる（(6\times)から(9\times)）ために、線形低ランク畳み込みをSRネットワークに導入し、より良い精度と効率のトレードオフを達成しました。また、バッチ正規化や正規化なしと比較して、重み正規化を使用した訓練が深い超解像ネットワークにおいてより高い精度につながることを見出しました。我々が提案するSRネットワーク \textit{WDSR} は、大規模なDIV2K画像超解像ベンチマークにおいて同等かそれ以下の計算複雑さでPSNRに関して優れた結果を達成しています。WDSRに基づく方法は、NTIRE 2018 Challenge on Single Image Super-Resolution の現実的な3つのトラックすべてで1位となりました。実験とアブレーションスタディにより、画像超解像における広い活性化の重要性が支持されています。コードは以下から公開されています：https://github.com/JiahuiYu/wdsr_ntire2018