本文提出了一个名为S2R的双赢框架，包括一个轻量级的基于transformer的SR模型和一种新颖的自上而下的训练策略，可以在理想和随机模糊条件下实现出色的视觉结果。S2R transformer巧妙地组合了一些高效且轻量级的块，以增强提取特征的表示能力，并且具有相对较少的参数。实验结果表明，S2R在理想的SR条件下仅使用578K参数就优于其他单图像SR模型。同时，在盲模糊条件下，它可以实现比常规盲SR模型更好的视觉效果，仅使用10次渐变更新就提高了收敛速度300倍，显著加速了在现实世界情况下的迁移学习过程。