問題 No.1797
ディープラーニングの畳み込みニューラルネットワーク（CNN）において、カーネルサイズが1×1であるPointwise Convolution（ポイントワイズ畳み込み）の特徴に関する説明として、最も適切なものはどれか。
【正解の解説】
チャネル方向の情報を統合あるいは削減しつつ、特徴マップの空間方向の解像度を維持するために用いられる。
これは、複数の食材（チャネル）をミックスして新しい味のソースを作るようなものです。画像全体の縦横サイズ（解像度）はそのままで、色情報の厚み方向だけをギュッとまとめたり増やしたりできるため、軽量かつ高性能なネットワークを作るのに欠かせないテクニックです。
スポンサーリンク
【その他の選択肢の解説】
特徴マップの空間方向の解像度を段階的に拡大しつつ、チャネルごとの独立した特徴表現を獲得するために用いられる。
初学者が「特徴マップを変形する処理」という言葉から混同しやすい部分ですが、1x1畳み込みはピクセル自体の位置関係（空間）をいじらず、あくまで重ね合わされたチャネル方向の計算に特化している点が決定的な違いです。
空間方向の受容野を広げて広範囲のコンテキスト情報を捉えつつ、全体のチャネル数を一定に保持するために用いられる。
1x1のサイズでは周囲のピクセルを見ることができないため、広範囲のコンテキスト情報を捉えることは物理的に不可能です。広い範囲を見るには3x3などのカーネルが必要になるという空間的な特性の勘違いを狙った引っかけです。
カーネルサイズを動的に変更して計算効率を向上させつつ、ダウンサンプリング時の情報欠損を補うために用いられる。
ポイントワイズ畳み込みは、カーネルサイズが常に「1×1」で固定されており、動的にサイズが変わるわけではありません。効率化に寄与する点や情報圧縮の文脈が似ているため混同しやすいですが、動的な変更は行わないのが特徴です。