GB-LSR（Global-Bandwidth Local Spectral Representation）は、固定グリッドの局所スペクトル表現を用いた連続画像再構成手法です。画像領域を重複しない正方形パッチに分割し、各パッチは共有の畳み込みエンコーダ特徴から予測された打ち切りフーリエ基底の係数を持ちます。重要な革新は、単一の訓練可能なスカラーバンド幅をすべてのパッチと画像間でグローバルに共有することです。これにより、任意の連続座標での再構成は固定サイズの基底収縮となり、計算コストは画像サイズに依存しません。この特性により、GB-LSRは高解像度画像の処理において特に効率的です。
著者らは、訓練可能なグローバルスカラー（メイン）、固定グローバルスカラー、パッチごとのバンド幅フィールドの3つのバンド幅処理バリアントを研究しました。Kodak、Set14、Urban100データセットを用いた標準的なネイティブ再構成ベンチマークでは、メインバリアントが同等の計算量のLIIF、LTE、WIREの再実装と比較してPSNRで2.8-3.6 dB向上し、LPIPSで0.11-0.15改善しました。推論コストは最も遅いベースラインの約4分の1です。実験により、単一のグローバルスカラーで経験的に十分であり、パッチ適応型のバンド幅代替案は閉形式の局所性診断やエンドツーエンドのアブレーションにおいて改善をもたらさないことが示されました。これは、グローバル共有バンド幅の簡潔さと有効性を裏付けています。
超解像タスクでは、GB-LSRは任意スケール超解像（ASR）拡張として、標準的なSRプロトコルの下で競争力のあるPSNR-Yを達成し、4倍スケールでLIIF-RDNの1.44倍、LTE-SwinIRの3.25倍の速度で動作します。同じ拡張内で、4隅の局所アンサンブル平均を省略したバリアントは、1.77倍の高速化と35%のピークメモリ削減を達成し、PSNRの変化は無視できます。さらに、RDNエンコーダを64チャネルから96チャネルに拡張すると、1.58倍の高速化と31%のメモリ削減とともに、わずかなPSNR向上が見られます。
ネイティブ再構成の主張はマッチドバジェットの償却プロトコルに限定され、ASRの主張は別の標準的なSRプロトコルに限定されます。これらの範囲設定により、評価の公平性と再現性が確保されています。GB-LSRはコンピュータビジョン、グラフィックス、機械学習の分野で応用が期待され、特に高効率・高品質な画像再構成と超解像が求められるシナリオで有用です。