軽量かつ効率的なブロック状態に基づく再帰ネットワークを用いた画像超解像

最近、多数の層を積み重ねることで深層学習に基づく画像超解像手法が開発されてきました。しかし、これによりモデルサイズが大きくなり、計算量も高くなるという問題があります。そのため、再帰的なパラメータ共有手法も提案されています。しかしながら、それらの設計は再帰操作の潜在能力を十分に活用していません。本論文では、ブロック状態に基づく再帰ネットワークを導入することで、再帰アーキテクチャの有用性を最大限に引き出す新しい軽量かつ効率的な超解像手法を提案します。ブロック状態を利用することにより、モデルの再帰部分が現在の画像特徴の状態を容易に追跡することができます。我々は提案手法がモデルサイズ、速度、効率性において優れていることを示します。さらに、他の最先端手法よりも優れた性能を達成していることも示しています。