構造保存型スーパーレゾリューション：勾配ガイダンスによる手法

単一画像の超解像（SISR）において、構造情報の保持は極めて重要である。近年、生成的対抗ネットワーク（GAN）を活用した研究が進展し、写真のように自然な画像の復元が可能になった。しかし、これらの手法では、復元画像に望ましくない構造的歪みが生じる場合がある。本研究では、GANベースの手法が持つ知覚的に快適な詳細表現の利点を維持しつつ、上記の問題を緩和する構造保持型超解像手法を提案する。具体的には、画像の勾配マップを活用して復元プロセスを二つの側面からガイドする。まず、勾配ブランチを用いて高解像度の勾配マップを復元することで、超解像プロセスに追加の構造事前知識を提供する。また、二階微分制約を課す勾配損失関数を提案し、超解像画像の幾何構造をより正確に再現できるようにする。従来の画像空間での損失関数と併用することで、生成ネットワークが幾何構造に集中するよう促進される。さらに、本手法はモデルに依存しない（model-agnostic）設計となっており、既存の商用超解像ネットワークにも容易に適用可能である。実験結果から、最先端の知覚重視型超解像手法と比較して、PI（Perceptual Index）およびLPIPS（Learned Perceptual Image Patch Similarity）において最高の性能を達成し、PSNRおよびSSIMについても同等の結果を示した。視覚的評価では、自然な超解像画像を生成しつつ、構造の正確な復元が可能であることを示した。