最近の単一画像超解像に対する深層学習アプローチは、伝統的な誤差測定と知覚品質の面で印象的な結果を達成しています。しかし、各ケースにおいて大規模なアップサンプリング係数での高品質な結果を得ることは依然として困難です。この課題に対処するため、我々はアーキテクチャと学習の両方で進行的な方法（ProSR）を提案します。ネットワークは中間ステップで画像をアップサンプリングし、学習過程はカリキュラム学習のように簡単から難しいへと組織されます。より写実的な結果を得るためには、同じ進行的な多スケール設計原則に従う生成対抗ネットワーク（GAN）であるProGanSRを設計しました。これにより、大規模なアップサンプリング係数（例：8倍）へのスケーリングが可能となり、同時にすべてのアップサンプリング係数での再構成品質が向上します。特にProSRはNTIRE2018 SISRチャレンジ[34]においてSSIMでは2位、PSNRでは4位となっています。最上位チームと比較して、我々のモデルは僅かに低いものの、5倍速く動作します。