高周波情報の損失が画像再構成に与える影響を減らし、特徴情報の掘り下げをさらに強化するために、ピラミッド分散プーリングモジュールを中核とした生成ネットワークを構築した。まず、本ネットワークは異なるレベルの分散プーリングを用いて低解像度画像に含まれる特徴情報を抽出し、ピラミッド構造と組み合わせて異なるスケールおよび異なるサブ領域の文脈情報を取得することで、特徴情報の量をさらに豊富にする。次に、Dense接続構造を利用して特徴情報間の関連性を強化し、ネットワークの表現能力を向上させる。最後に、グループ正規化を導入してネットワークの収束性を強化する。実験結果は、提案モデルがSet5、Set14、DIV2K100の公開テストセットで他の手法と比較して、拡大倍率4においてピーク信号対雑音比が平均0.509dB向上し、構造類似度が平均0.016向上したことを示している。提案モデルはピーク信号対雑音比と構造類似度の向上だけでなく、再構成された画像が視覚的により多くのリアルな詳細を持つことも示している。

画像超解像;生成対抗ネットワーク;分散プーリング;Dense接続