軽量スーパーレゾリューションネットワークは、実世界のアプリケーションにおいて極めて重要です。近年、メモリと計算コストを犠牲にして優れた成果を上げるいくつかのSR深層学習アプローチが提案されてきました。この問題を克服するために、新たな軽量スーパーレゾリューションネットワークが提案されました。このネットワークは、軽量SRにおける最先端の性能を向上させつつ、計算コストが高いネットワークとほぼ同等の性能を発揮します。マルチパス残差ネットワーク（Multi-Path Residual Network）は、一連の残差連結ブロック（Residual Concatenation Blocks）と適応残差ブロック（Adaptive Residual Blocks）を積み重ねて設計されています。その目的は以下の通りです：($i$i) 情報量豊富な特徴を適応的に抽出し、より表現力のある空間的なコンテキスト情報を学習すること；($ii$ii) アップサンプリングステージ前の多レベル表現をより効果的に活用すること；($iii$iii) ネットワーク内の情報と勾配の流れを効率化すること。提案されたアーキテクチャには、モデルの表現能力を最大化する新しい注意機構であるツーフォールドアテンションモジュール（Two-Fold Attention Module）も含まれています。広範な実験結果から、当社のモデルが他の最先端SRアプローチに対して優れていることが示されています。