Two-Stageのネットワーク構造で、学習ベースのマッチングを取り入れたCANetを提案した。ステージIでは、ImageNet Pre-trainedのDenseNetの特徴マップから、画像のパッチ同士のマッチング結果を参照して特徴の変換を行い、Lab色空間の変換画像を出力する。ステージIIで、もとの画像とLab色空間の変換画像から、高精細な画像への変換を実施する。

ISTDデータセット及びSRDデータセットを使用し、定性的な評価及びRMSEによる定量的な評価を行い、従来手法を上回る結果。

新たなネットワーク構造で、明確な性能向上を示したため通ったと考えられる。PyTorch実装( https://github.com/Zipei-Chen/CANet )が公開されている。