CVPR 2016
1.这篇论文的主要假设是什么？（在什么情况下是有效的），这假设在现实中有多容易成立
2.在这些假设下，这篇论文有什么好处
本结构网络感受野更大。利用了更大区域的上下文信息。
建模残差图像（ＨＲ和ＬＲ的差异），只需学习LR和HR间的残差，可以使得收敛更快，学习率更高。
此网络可以满足多scale factor。
通过残差学习和梯度裁剪解决梯度爆炸。
3.这些好处主要表现在哪些公式的哪些项目的简化上。
LR图像和HR图像低频部分相似，训练时更多关注HR和LR的高频残差，无需在低频部分花费太多精力。
4.这一派的主要缺点有哪些
原文：https://www.cnblogs.com/cs-zzc/p/11799660.html