Core Concepts
3×3と1×1のカーネルを組み合わせたSCNetは、軽量なSISRタスク向けに優れた性能を提供する。
Abstract
単一画像超解像(SISR)は、高解像度(HR)画像を劣化した低解像度(LR)画像から再構築することを目指す。
3×3畳み込み操作は、モデル容量と計算コストのバランスが取れているため広く使用されている。
1×1カーネルはパラメータ数を減らすが、学習能力が低下する。
SCNetは、Shift-Convレイヤーを使用して局所特徴の集約を実現し、パラメータ数を削減しつつ性能を維持する。
SCNetsは他のモデルよりも優れたトレードオフを達成し、効率的なSISRモデルの開発に貢献する。
Stats
3 × 3畳み込み操作はCNNベースのモデルで広く使用されている。
SCNet-Tはパラメータ数が400k未満で最も優れた結果を示す。
SCNet-Bは400k〜800kのパラメータ数で他の大きなモデルよりも優れた結果を示す。
Quotes
"SCNet-LはDRCNやCARNなど他のモデルよりも優れた性能を発揮し、全てのテストケースで新しいSOATパフォーマンスを達成します。"