単眼超解像が実応用へ近づくにあたり、汎化性能の向上が必要だが、一般的に単眼超解像におけるDAはランダムクロップ, 90°回転, フリップで構成される。NTIRE2019ではMixUpを用いた手法が優勝を収めたが、詳細な分析・比較は行われてこなかった。本論文は単眼超解像におけるDAについて網羅的に分析した最初の論文であり、その知見により新たなDA手法を提案している。

CARN, RCAN, EDSRをベースラインとし、DAの有無による精度の変化について検証しており、特にRealSRデータセット(倍率不明のHR-LRペアデータセット)で高い精度を確認。出力画像ではOver-shrpeningが抑えられており、CutBlurによってシャープにすべき部分をネットワークが学習したものと考えられる。

単眼超解像分野では実応用に向けた議論が盛んになってきており、モデルの汎化性能を担保する上で、本論文のような網羅的な分析は非常に重要であるため。