要約
私たちは、残差学習（Residual Learning）と畳み込みスパースコーディング（Convolutional Sparse Coding: CSC）の長所を組み合わせた単一画像超解像（Single Image Super-Resolution: SISR）のための単純かつ効果的なモデルを提案します。このモデルは、学習型反復収縮閾値アルゴリズム（Learned Iterative Shrinkage-Threshold Algorithm: LISTA）に着想を得ています。私たちはLISTAを畳み込み版に拡張し、その畳み込み形式を厳密に従ってモデルの主要部分を構築することで、ネットワークの解釈可能性を向上させました。具体的には、入力特徴マップの畳み込みスパースコーディングが再帰的に学習され、これらのCSCから高周波情報が回復されます。さらに重要な点は、ネットワークが深くなる際に訓練の難易度を軽減するために残差学習が適用されることです。基準データセットでの広範な実験により、私たちの方法の有効性が示されています。RL-CSC（30層）は精度と視覚的品質において最近の最先端技術であるDRRN（52層）やMemNet（80層）よりも優れています。コードと詳細な結果は以下のURLで公開されています：https://github.com/axzml/RL-CSC。