论文阅读笔记：DRCT: Saving Image Super-Resolution away from Information Bottleneck-3 方法

DRCT包括3个不同的组成部分：浅层特征提取、深层特征提取和图像重建模块。

对于低分辨率输入 $I_{LR}\in R^{H\times W\times C_{in}}$，先使用 3×3 的卷积层 $Conv(\cdot )$ 来提取渐层特征 $F_0\in R^{H\times W\times C}$：

然后从 $F_0$ 中提取包含高频空间信息的深度特征 $F_{DF}\in R^{H\times W\times C}$：

其中 $H_{DF}(\cdot )$ 是深度特征提取模块，包含 $K$ 个残差深度特征提取组( RDG )和用于特征转换的单卷积层 $Conv(\cdot )$。具体来说，中间特征 $F_1，F_2，...，F_K$ 和输出的深度特征 $F_{DF}$ 是逐块提取的:

最后通过聚合浅层和深层特征来重建SR图像 $I_{SR}\in R^{H\times W\times C_{in}}$：

其中 $H_{rec}(\cdot )$ 是重构的函数，用于融合高频深度特征 $F_{DF}$ 和低频特征 $F_0$ 以获得SR结果。