الهياكل التغذية الأمامية للشبكات العميقة ذات الدقة الفائقة المُقترحَة حديثًا تتعلم تمثيلات المدخلات ذات الدقة المنخفضة، والخريطة غير الخطية من هذه المدخلات إلى المخرجات ذات الدقة العالية. ومع ذلك، فإن هذا النهج لا يعالج بشكل كامل الارتباطات المتبادلة بين الصور ذات الدقة المنخفضة والعالية. نقترح شبكات التصوير العكسي العميقة (Deep Back-Projection Networks - DBPN)، التي تستغل طبقات الترقية والتقليل التكرارية، مما يوفر آلية رد فعل للأخطاء في عملية التصوير في كل مرحلة. نقوم ببناء مراحل الترقية والتقليل المتصلة متبادلًا، كل منها يمثل أنواعًا مختلفة من تدهور الصورة ومكونات الدقة العالية. نوضح أن توسيع هذا الفكرة لسماح بدمج الخصائص عبر مراحل الترقية والتقليل (Dense DBPN) يسمح لنا بتحسين إعادة بناء الصور ذات الدقة الفائقة بشكل أكبر، مما يؤدي إلى تحقيق نتائج أفضل وفي الأخص إنشاء نتائج جديدة رائدة للعوامل الكبيرة للتضخيم مثل 8x عبر عدة مجموعات بيانات.