最近，研究者提出了一种插拔式框架，利用预先训练的扩散模型或流匹配模型构建高效采样器，解决逆问题。该方法在线性图像修复任务中表现出色，尤其在超分辨率问题上。研究者的方法只需5个条件采样步骤就能生成高质量样本，优于竞争基准。

本文介绍了一种基于超光谱人脸图像的深度学习技术，采用分光和聚合策略（SSAS）来解决训练样本非常有限的超分辨率问题。实验结果表明，提出的SSANet模型可以很好地模拟空间和光谱信息的联合相关性，同时能够有效缓解训练样本数量有限的问题。