深度学习最近显示quite remarkable progress in image super resolution。但我担心数据生成方法不够现实，因此我的问题。
背景
对问题进行深度学习的基本前提如下： 使用简单的下采样从高分辨率图像生成低分辨率图像。将低分辨率图像或者内插图像馈送到神经网络中并估计高分辨率图像。
问题：
对数据进行下采样的经典方法产生了一些pretty significant results我担心的是，在这个例子中，神经网络只是学会尽可能地估计这个特定插值的逆。但是由于现实世界中的分辨率降低通常不包括下采样，然后是具有特定插值方案的上采样，我相信这种算法并不能概括为现实世界的例子。
所以我的问题是： 有没有比原始下采样更好，更现实的方法来降低图像的分辨率，因此我们可以更好地训练和测试算法的性能？