중간 특징의 재사용
깊은 신경망에서는 층마다 다른 수준의 특징을 만든다. 마지막 특징만 사용하는 대신 앞에서 얻은 정보도 복원에 활용할 수 있다. RDN은 조밀한 연결을 갖는 합성곱 블록으로 이 계층적 특징을 적극적으로 이용한다.
블록 안과 블록 사이
잔차 조밀 블록은 앞 블록의 상태와 현재 블록의 여러 층을 연결한다. 국소 융합으로 특징을 조절하고 전역 융합으로 여러 블록의 정보를 합친다. 이때 메모리라는 표현은 영상 사이의 시간 기억이나 외부 데이터베이스를 의미하지 않는다.
연결과 덧셈의 차이
설명용 특징 두 개가 각각 4채널이면 채널 방향으로 이어 붙인 결과는 8채널이다. 반면 같은 위치의 값을 더하면 4채널로 남는다. 조밀 연결과 잔차 결합을 읽을 때 구분해야 하는 예이며 실제 블록의 채널 수를 나타내지 않는다.
학습과 평가
특징을 재사용해도 입력에서 사라진 세부를 유일하게 결정할 수 있는 것은 아니다. 확대 배율과 입력 열화가 다르면 복원 결과도 달라질 수 있다. 반복 무늬와 글자를 포함해 구조 보존을 살피고 같은 조건에서 처리량과 메모리를 비교한다.