该文是南京大学提出的一种轻量 & 高效图像超分网络，它获得了 AIM20-ESR 竞赛的冠军。它在 IMDN 的基础上提出了两点改进，并引入 RFANet 的一种 ESA 注意力模块。如果从结果出发来看 RFDN 看上去很简单，但每一步的改进却能看到内在的一些思考与尝试。值得初入图像复原领域的同学仔细研究一下该文。该文提出一种等价于通道分离操作的特征蒸馏连接操作 (Feature Distillation Connection, FDC)，它更轻量且更灵活。基于 FDC，作者对 IMDN(Information Multi Distillation Network, IMDN) 进行了重思考并提出了一种称之为 RFDN(Residual Feature Distillation Network, RFDN)的轻量型图像超分模型，RFDN 采用多个 FDC 学习更具判别能力的特征。与此同时，作者还提出一种浅层残差模块 SRB(Shallow Residual Block, SRB)作为 RFDB 的构件模块，SRB 即可得益于残差学习，又足够轻量。