要約
近年、深層畳み込みニューラルネットワーク（CNN）を用いた単一画像超解像（SISR）手法は著しい成果を上げている。深層ネットワークの強力な表現能力により、従来の多数の手法は低解像度（LR）画像の局所領域とその高解像度（HR）版との間の複雑な非線形マッピングを学習可能となった。しかし、過剰な畳み込み演算は、計算能力が限られたデバイスにおける超解像技術の応用を制限する要因となっている。また、任意のスケール係数に対応する超解像は実用上重要な課題であり、従来の手法では十分に解決されていない。本研究では、カスケード構造の情報マルチディスティルブロック（IMDB）を構築することで、軽量な情報マルチディスティルネットワーク（IMDN）を提案する。このIMDBは、ディスティル（精製）モジュールと選択的融合モジュールから構成されている。具体的には、ディスティルモジュールが段階的に階層的特徴を抽出し、融合モジュールが、提案する「コントラストに敏感なチャネルアテンション機構」によって候補特徴の重要度を評価し、それらを適切に統合する。任意サイズの実画像を処理するため、同一の良好に訓練されたモデルを用いてブロック単位で画像領域をスーパーレゾリューション処理できるように、適応的クロッピング戦略（ACS）を開発した。広範な実験結果から、本手法は視覚的品質、メモリ使用量、推論時間の観点で、最先端の超解像アルゴリズムと比較しても優れた性能を発揮することが示された。コードは以下のURLから入手可能である：\url{https://github.com/Zheng222/IMDN}。