본 논문은 CNN 기반의 현대 비디오 초고해상도(VSR) 시스템의 높은 계산 비용 문제를 해결하기 위해, VSR 모델에서 자주 발생하지만 논의되지 않는 특징 중복 문제에 초점을 맞추고 있습니다. 실험을 통해 VSR 모델의 많은 특징들이 서로 유사하다는 것을 관찰하고, 이러한 중복성을 줄이기 위해 "Ghost features"를 사용하는 방법을 제안합니다. 또한 기존 순환 합성곱 신경망(RNN) 모델에서 발생하는 "기울기 소실" 현상을 분석하고, Ghost 모듈과 RNN을 결합하여 시계열 모델링을 수행합니다. 현재 프레임과 다음 프레임, 이전 프레임의 출력, 그리고 은닉 상태를 모델 입력으로 사용하며, 여러 벤치마크 모델과 데이터셋에 대한 광범위한 실험을 통해 제안된 방법이 PSNR과 SSIM을 어느 정도 향상시키고, 비디오의 일부 질감 디테일을 더 잘 보존함을 보여줍니다.
