アテンション機構のCBAMを活用して「本来の画像」からの縮尺(Scale)を推定するSE-Netと、その出力を取り込んだネットワーク構造で漫画の画像を修復するMR-Netを提案した。

Manga109データセットで、超解像の従来手法との比較を実施。縮尺が固定のときSRGANに対する優位性は示せなかったものの、従来手法と異なり任意の縮尺に対応可能との主張。

課題設定と解決方法の着眼点の良さと、視覚的にアピールする結果を示したことで通ったと考えられる。プロジェクトページ( http://www.cse.cuhk.edu.hk/~ttwong/papers/mangarestore/mangarestore.html )及びPyTorch実装( https://github.com/msxie92/MangaRestoration )が公開されている。