既存のアップサンプリング演算子は、インデックス関数の概念を用いて統一できることが示されました。この概念は、ディープイメージマッティングのデコーディングプロセスにおいて、インデックスガイドによるアンプーリングが双線形補間などの他のアップサンプリング演算子よりも境界詳細を大幅に回復できることから着想を得ています。特徴マップをインデックスの関数として捉えることで、「インデックス学習」という概念を導入し、データから自適応的にインデックスを学習し、ダウンサンプリングとアップサンプリングの段階をガイドする新しいインデックスガイド付きエンコーダー-デコーダーフレームワークを提案します。このフレームワークの中心には、新しい学習可能なモジュールである「Index Network（IndexNet）」があります。IndexNetは特徴マップ自身に基づいて動的にインデックスを生成します。IndexNetはプラグインとして使用でき、ダウンサンプリングとアップサンプリングの段階を持つほぼすべての既製の畳み込みネットワークに適用することが可能です。これによりネットワークは局所パターンの変動を動的に捉える能力が得られます。特に、5つの異なるIndexNetファミリーを作成し、それらの有効性を画像ノイズ除去、画像マッティング、セマンティックセグメンテーション、単眼深度推定という4つの密度予測タスクで検証しました。コードとモデルは以下のURLで公開されています: https://tinyurl.com/IndexNetV1