顔の内在構造を最大限に活かすため、顔データセットからの集積情報およびアップサンプリング過程における中間推定値を有効に利用するため、本研究では顔画像の4倍スーパーレゾリューションを実現する完全畳み込み型のマルチステージニューラルネットワークを提案する。我々はセグメンテーションネットワークを用いて顔の各構成要素ごとの注目マップを暗黙的に導入し、ネットワークが顔固有のパターンに焦点を当てるようにしている。本ネットワークの各ステージは、スタム層（stem layer）、リサルトバックボーン、空間的アップサンプリング層から構成される。中間画像を再構成するために、これらのステージを繰り返し適用し、その空間から深さへの変換（space-to-depth変換）されたバージョンを再利用することで、段階的に画像品質をブートストラップし、向上させる。実験の結果、最先端技術と比較して、定量的指標および主観的評価の両面で優れた性能を達成することが示された。