ECCV 2020，使用深度信息引导自监督超分辨率。基本的出发点是，图像降质信息与距离远近是有关系的，即近距离的一般更清晰，可以作为HR，远距离的图片更糊，可以作为LR。这样，就可以获得LR HR对，虽然是不对齐的。然后就可以借助GAN对后续SR进行学习，这里使用一个降质学习网络DSN和超分网络SRN利用cycle进行学习。整体示意图如下所示：
在选择图像内的patch用来训练时，这里也在对比度上设定一个阈值，大于该阈值的区域才可以被保留。同时将深度较深的区域作为LR（Patch更小），而深度较浅的区域作为HR(Patch更大)。对于降质网络和超分辨率网络，两个如下所示：
在具体训练时，使用双边cycle训练的形式，如第一个图所示，对于每一组SR和DS网络，都使用基于像素和基于GAN的loss，同时通过GAN loss联系两个cycle。具体不赘述，看图就懂了。和ZSSR相比，该论文工作不依赖预先定义好的模型，和KernelGAN相比，该工作在SR和DS上都是同时进行的。部分结果对比如下图所示:
