画像を復元するネットワーク構造をタスク共通の前半とタスク固有の後半に分けて、微分可能なNASで双方の特徴マップからチャネルを選択するTASNetを提案した。また、学習時の入力と出力の画像サンプリングで、出力の側を正解データに固定せず、入力の劣化の程度を上限として出力も劣化させる手法を提案した。

DIV2Kデータセットで学習させてCBSD68データセットで評価を行い、ECCV 2020採択のCResMDより3倍高速で、FLOPSでは95.7%削減する結果。復元した画像の品質に関しては、CResMDにPSNRの数値が劣る箇所もあるもののAblation Studyを含む検証を通して同等と言える品質。

高い処理性能を前面に出して、復元性能は従来手法と同等であることを幅広く検証したため通ったと考えられる。なお、論文に記載されているGitHubリポジトリは、現時点では作成されていない。