最近の画像超解像（SR）技術では、深層学習の力を活用してより優れた再構成性能を達成する方法が探られています。しかし、ヒューマンビジュアルシステムに一般的に存在するフィードバックメカニズムは、既存の深層学習ベースの画像SR手法で十分に利用されていません。本論文では、高次情報を使って低次表現を洗練するための画像超解像フィードバックネットワーク（SRFBN）を提案します。具体的には、RNN内の隠れ状態に制約を設けることで、このようなフィードバック方式を実現しています。フィードバックブロックが設計され、フィードバック接続を処理し、強力な高次表現を生成します。提案されたSRFBNは初期再構成能力が高く、最終的な高解像度画像を段階的に生成することができます。さらに、複数種類の劣化によって低解像度画像が損傷されるようなより複雑なタスクに対してネットワークが適切に対応できるようにするために、カリキュラム学習戦略を導入しました。広範な実験結果により、提案したSRFBNが最先端の手法と比較して優れていることが示されています。コードは https://github.com/Paper99/SRFBN_CVPR19 で入手可能です。