يُعدّ التكبير البصري الشديد للصورة الواحدة أمرًا بالغ الصعوبة، نظرًا لتباين التفاصيل النسيجية بين الصور المختلفة. ولحل هذه الصعوبة، طوّرنا شبكة تكبير تُسمّى RFB-ESRGAN، تعتمد على بناء مُحَوِّل مجال الاستقبال (RFB) المُحسّن بناءً على نموذج ESRGAN المُطوّر. وتتمثل المساهمات الرئيسية في ما يلي: أولاً، بهدف استخلاص المعلومات متعددة المقياس وتعزيز قدرة التمييز للسمات، قمنا بتطبيق بناء مجال الاستقبال (RFB) في مجال التكبير البصري. وقد حقق RFB نتائج تنافسية في مهام كشف الكائنات والتصنيف. ثانيًا، بدلًا من استخدام كيرنيلات تلافيفية كبيرة في بناء مجال الاستقبال متعدد المقياس، استخدمنا عدة كيرنيلات صغيرة في RFB، ما يمكّننا من استخلاص سمات تفصيلية وتقليل التعقيد الحسابي. ثالثًا، استخدمنا بالتناوب طرقًا مختلفة لرفع الدقة (upsampling) في مرحلة رفع الدقة، مما يقلل من التعقيد الحسابي العالي مع الحفاظ على أداء مرضٍ. رابعًا، استخدمنا تجميعًا (ensemble) لعشرة نماذج مختلفة تم تدريبها على مراحل تكرار مختلفة، بهدف تعزيز مرونة النموذج وتقليل الضوضاء الناتجة عن كل نموذج فردي. تُظهر نتائج تجاربنا أداءً متفوقًا لشبكة RFB-ESRGAN. ووفقًا للنتائج الأولية لتحدي التكبير البصري الشديد في NTIRE 2020، تُصنّف حلولنا كأفضل حل بين جميع المشاركين.