生成対抗ネットワークが画像超解像（SR）分野に応用されるにつれて、いくつかの知覚駆動型のSR手法はより豊かなテクスチャ詳細を持つSR画像を復元でき、PSNR主導のSR手法で生じる再構成画像の滑らかさの問題を効果的に緩和している。しかし、画像のテクスチャの重要な表現形式としての勾配情報を正確かつ効率的に活用できるSR手法はほとんどない。これに対して、勾配認知に基づく画像超解像（GASR）アルゴリズムを提案し、勾配情報をより正確に活用できる。ひとつには、勾配領域の特徴マップを画像領域の特徴マップに作用する畳み込みカーネルとして使用し、異なる領域特徴マップの連結による領域競合の問題を効果的に回避する。もうひとつには、畳み込みカーネルのサイズなど設計の細部を調整することで、2つのブランチの対応位置における画像領域と勾配領域の特徴マップの受容野を一致させている。さらに、実際の応用におけるネットワークの軽量化要求の高まりから、提案するGASRアルゴリズムはパラメータ数と計算量を効果的に削減している。同様に勾配情報を利用するSPSRと比較して、GASRは約1/6のパラメータ数と1/10の計算量でほぼ同等の性能を達成した。Set14データセットで、LPIPSとPSNRはそれぞれ0.0022と0.217向上した。実験結果は、GASRがテクスチャ生成と画像の滑らかさの間で良好なバランスを実現できることを検証しており、視覚化結果はGASRがSR画像を正確に復元できるだけでなく、ある程度乱雑なテクスチャの生成を緩和できることを示している。

画像超解像; 勾配; 深層学習; 生成対抗ネットワーク