单图像超分辨率是指从单一低分辨率输入推断出高分辨率图像的任务。传统上，该任务中算法的性能是通过像素级重建指标（如峰值信噪比（PSNR））来衡量的，但这些指标已被证明与人类对图像质量的感知相关性较差。因此，最小化这些指标的算法往往会产生过度平滑的图像，缺乏高频纹理，尽管其 PSNR 值较高，但看起来并不自然。我们提出了一种新的应用方法，即将自动纹理合成与感知损失相结合，在训练过程中注重生成逼真的纹理而非追求像素级精确的地面真值图像再现。通过在对抗训练设置中使用前馈全卷积神经网络，我们在高放大倍率下显著提升了图像质量。大量实验表明，我们的方法在多个数据集上均有效，无论是在定量还是定性基准测试中都取得了最先进的结果。