단계적 특징 추출
여러 합성곱 층을 무조건 크게 쌓으면 작은 장치에서 실행하기 어렵다. IMDN은 블록 안에서 계층적 특징을 단계적으로 추출하고 선택적으로 모은다. 일부 특징을 남기고 다른 특징을 더 처리하는 관점으로 구조를 이해할 수 있다.
대비를 고려한 융합
후보 특징의 중요도를 대비 인식 채널 어텐션으로 평가해 집계한다. 특징의 평균만 보는 것과 변화 정도도 살피는 것은 서로 다른 정보를 준다. 어텐션의 중요도는 해당 특징이 원본을 정확히 복원한다는 확률과 같지 않다.
평균과 변화의 예
설명용 특징 (0, 2)와 (1, 1)은 평균이 모두 1이다. 하지만 평균에서 벗어난 정도는 다르다. 같은 평균을 갖는 특징이라도 공간적 변화를 구분할 수 있다는 예이며 실제 어텐션의 계산식 전체를 대신하지 않는다.
임의 크기의 영상 처리
적응적 자르기 전략으로 영상을 패치 단위로 처리하는 방법도 제안한다. 임의의 입력 크기를 처리하는 일과 임의의 연속 확대 비율을 지원하는 일은 구분해야 한다. 패치 경계와 출력 크기를 확인하고 동일한 조건에서 품질, 메모리 및 실행 시간을 비교한다.