这可能是目前最好的图像超分辨率算法，刚刚开源了

其建构于超分辨EDSR算法，亦即NTIRE2017年的冠军模型，最主要的改进是在残差模块中ReLU激活函数前增大特征图。
请看下面图示，

与原始EDSR算法相比，该优胜方案WDSR算法增大了ReLU前的卷积特征图，减小了identity mapping pathway的宽度（图中Add所在框变小）。

通过上述操作，在降低参数量的同时，提高了超分辨率的精度。
作者提出的两种WDSR的形式WDSR-A与WDSR-B:

WDSR-A特征图宽度（2X到4X）,WDSR-B使用线性低秩卷积栈（linear low-rank convolution stack）和更宽的特征图（6X到9X），可以使得WDSR-B在保持更高精度的同时不增加计算量。

网络架构：

实验结果
在DIV2K数据库上与EDSR的比较：

NTIRE2018公布的比赛结果：

图中UIUC-IFP团队即优胜团队，PDN在Track 4中排名第一，但组织者称“PDN ranked 1st on Track 4, however, without submitted results for the other tracks we cannot tell if their solution/architecture is better than that of UIUC-IFP.”

代码主页：

https://github.com/JiahuiYu/wdsr_ntire2018
论文：
https://arxiv.org/abs/1808.08718v1