軽量ステレオ画像スーパーアップレゾリューションのための最適な組み合わせパターン学習

ステレオ画像の超解像（stereoSR）は、別の視点から提供される補助情報を活用することで、超解像の品質を向上させることを目指している。大多数の手法は、モジュール設計の最適化に注力し、情報の抽出および統合を行うために多数のネットワークブロックを積層している。しかし、技術の進展とともに、メモリおよび計算コストの増加も課題となっている。この問題に対処するため、本研究ではネットワークブロックの最適な組み合わせパターンを自律的に学習可能な格子構造を提案する。これにより、特徴表現の効率的かつ正確な取得が可能となり、結果として軽量なステレオSRが実現される。具体的には、格子位相補償器（lattice phase equalizer）の構造に着想を得て、カップルされたバタフライ型トポロジー構造を介して再重み付けブロック（RWBlock）を用いて二つのNAFBlockを接続する格子型ステレオNAFBlock（LSNB）を設計した。RWBlockにより、特徴の適応的再重み付けが可能となり、ペアごとのNAFBlockの多様な組み合わせパターンを探索できる。さらに、別の視点から最も関連性の高い特徴を検索・伝達するため、格子型ステレオアテンションモジュール（LSAM）を提案した。これらのモジュールを緊密に連携させた構造として、LSSRと命名した。広範な実験により、本手法が最先端技術と競争力のある性能を発揮することが確認された。