学習ベースでリサイズを行うネットワーク構造を提案した。深層学習モデルの入力として使う前提で、ネットワーク構造の内部にはバイリニア法の処理を組み込んでいる。

ImageNetデータセットで4種類の深層学習モデルの評価を行い、いずれもバイキュービック法でリサイズするより精度が向上する結果。AVAデータセットによる画質の評価でも、同じ解像度でバイキュービック法を上回る結果。

着眼点の良さと、要所を押さえた実験結果により通ったと考えられる。論文の著者による実装ではないが、Keras(tf.keras)のCode Example( https://keras.io/examples/vision/learnable_resizer/ )が公開されている。