高速、高精度かつ軽量なスーパーレゾリューションを実現するニューラルアーキテクチャサーチ

深層畳み込みニューラルネットワークは、超解像分野で印象的な結果を示しています。一連の研究では、より深い層を使用してピークシグナルノイズ比（PSNR）を向上させることに焦点を当てていますが、これはリソース制約のある環境には適していない面があります。復元能力とモデルの単純さの間でのトレードオフを追求することは依然として容易ではありません。最近の貢献はこのバランスを手動で最大化することに苦労していますが、当研究ではニューラルアーキテクチャサーチを用いて自動的に同じ目標を達成しています。具体的には、超解像問題に対して多目的最適化手法を取り入れています。また、進化計算と強化学習の両方から恩恵を受けられるハイブリッドコントローラーに基づいた、マイクロレベルとマクロレベルでの弾力的な探索戦略も提案しています。定量的な実験により、生成されたモデルが個々のFLOPSにおいて最新手法の大部分を上回ることが確認されました。