由于低分辨率图像丢失了大量信息，因此进一步提升单张图像超分辨率（SISR）成为了一个挑战性的难题。一方面，基于参照的超分辨率（RefSR）方法在参照图像与给定的低分辨率输入有类似内容时，能够很好的重建高分辨率细节。但是，当参照图像类似度不高时，RefSR质量就会很差。该论文《Image Super-Resolution by Neural Texture Transfer 》旨在通过该利用参照图像的更多纹理细节更大的提升RefSR方法的性能，让它变的更稳健，即使提供不相干的参照图像。受近期图像风格迁移研究的启发，作者把RefSR问题定义为神经纹理迁移。作者们设计了一个端到端模型，能够根据纹理相似度通过适应性的迁移参照图像的纹理来丰富HR细节。相比于先前方法在原始像素空间中匹配内容，这篇论文的主要贡献是在神经空间中完成多级别匹配。