要約
最近提案された深層超解像ネットワークの従来のフィードフォワードアーキテクチャは、低解像度入力の特徴とそれらから高解像度出力への非線形マッピングを学習します。しかし、このアプローチは低解像度画像と高解像度画像の相互依存関係を完全に解決していません。本研究では、2つの画像超解像チャレンジ（NTIRE2018およびPIRM2018）で優勝したDeep Back-Projection Networks（DBPN）を提案します。このネットワークは、反復的なアップサンプリング層とダウンサンプリング層を利用しており、これらの層は投影誤差に対するエラーフィードバックメカニズムを提供する単位として形成されています。私たちは異なる種類の低解像度成分と高解像度成分を表す相互接続されたアップサンプリングユニットとダウンサンプリングユニットを構築しました。また、このアイデアを拡張し、より効率的なネットワーク設計への新たな洞察を示しています。具体的には、投影モジュールでのパラメータ共有や投影ステップでの遷移層などの手法を取り入れています。実験結果は優れた性能を示し、特に大規模なスケーリング係数（8倍など）において複数のデータセット上で新しい最先端の結果を確立しています。