提案手法は既存研究と異なり異なるデータセット・ノイズケースで活用できることが期待される。第一に提案手法におけるスペクトル考慮型探索空間はHSIのドメイン固有の情報を探索する。第二に、提案手法を介して学習されたアーキテクチャは異なるノイズレベルに適応することができる。これらは一度訓練するだけでノイズレベルに関係なく、類似のスペクトル情報を持つHSIの復元タスクに探索結果を適用することが可能である。

ノイズ除去タスクにおいて、CAVE・ICVLの各データセットを用いて既存手法と比較を行った。結果ノイズが大きくなると提案は常に平均的に最良の性能を達成することがわかった。また画像の再構成タスクにおいて提案手法はTSAと比べてPSNRで約1dB、GSMベースと比べて0.5dB向上させることができた。提案手法のパラメータ数はTSAやGSMベースと比較して大幅に少なく、提案手法の効率性をさらに示した。