本文是2016年NIPS的文章，作者来自南京大学，用卷积和反卷积的结构完成图像恢复，包括去噪和超分。网络结构如下图所示，非常简单的思想，卷积层先从噪声图像中提取特征，编码，消除噪声等，反卷积层再将有用的噪声恢复成干净的图像，这中间采用了skip的结构，保证恢复图像的准确性。
文章的思路很简单也很容易实现，但效果好，想法奇特，在当年还是有一定的影响力。文章创新点有两部分，一个是卷积和反卷积的结构；另一个就是对称连接的skip。
文章内容基本也就是围绕这两点展开，然后分别对比了不同层数的网络，和是否用skip连接得出一系列的结果。下图展示了skip的对比loss展示，可以看出层数较少时梯度消失不明显对loss影像也较少，但一旦层数较深的时候，没有skip的网络性能就很差。而层数越深理应性能越好，这也就要求我们必须使用skip连接。
实验部分作者在SET5和SET14数据集上分别进行了图像去噪和图像超分辨的实验，大致的实验结果如下列各表所示，对比来看，图像超分辨的结果没有SRGAN的结果好，但毕竟SRGAN晚了一年。但是作者提出他的网络可以针对任意噪声水平下用一个模型去噪，也就是任意噪声水平的图像，都可以通过一个网络模型完成去噪。结果显示在最后一个表中，这一点是值得思考的。
