2019 ICCV，论文的出发点是实现快速图像去噪，突破口是卷积网络通过扩大感受野实现性能提升，而通过pixel shuffle进行下采样可以通过更少的卷积层获得更大的相对感受野，并且得到的结果特征可以引导原分辨率的特征进行特征提取。整体网络如下所示:
如上图所示，输入图像通过pixel shuffle从空间维度映射到特征维度，然后分别通过若干个卷积和res block，令最下面的网络为第0个网络，通道数为c，则对于上面的第k个网络，通道数为$c^K = 2^K c^0$。最上面的网络只有两层卷积和一个res block。因为上面网络的特征数是下面的$2^K$倍，而空间尺寸只有下面的$4^K$分之一小，所以这样的策略是可以加速的。每个网络获得的最后一层特征经过pixel shuffle，从特征维度映射回空间维度，并和下面的网络的第一层特征concat在一起，引导其进行特征提取（concat的位置对比也设置了实验）。此外，论文还对网络的个数也做了相应的对比实验。
论文设置的通道数，c设置为32层，最下面的网络为5层网络，从实验上看，其比其他网络性能上提升不多，速度也没有明显更快，所以感觉只是在用参数量取代时间复杂度获得增益，并没有根本的去解决问题。