超分辨率实用指南：介绍与近期进展

随着深度学习（DL）的出现，超分辨率（SR）也成为一个蓬勃发展的研究领域。然而，尽管取得了有前景的结果，该领域仍面临需要进一步研究的挑战，例如允许灵活上采样、更有效的损失函数和更好的评估指标。我们结合近期进展对SR领域进行了综述，并考察了最先进的模型，如扩散（DDPM）和基于Transformer的SR模型。我们对SR中使用的当代策略进行了批判性讨论，并确定了有前景但尚未探索的研究方向。我们通过纳入该领域最新进展（如不确定性驱动损失、小波网络、神经架构搜索、新颖归一化方法以及最新评估技术）来补充以往的综述。我们还在各章中提供了若干模型与方法的示意图，以促进对该领域趋势的整体理解。本综述最终旨在帮助研究人员推进深度学习应用于SR的边界。