저해상도(LR) 이미지에서의 중요한 정보 손실로 인해 단일 이미지 초해상화(SISR) 기술을 더욱 발전시키는 것이 매우 어려워졌습니다. 반면에, 유사한 내용을 가진 참조(Ref) 이미지가 제공될 때 참조 기반 초해상화(RefSR)는 고해상도(HR) 세부 정보를 복원하는 데 있어 유망한 결과를 보여주었습니다. 그러나 참조 이미지가 덜 유사할 경우 RefSR의 품질이 크게 저하될 수 있습니다. 본 논문은 이러한 문제를 해결하기 위해, 더 많은 질감 정보를 활용하고 무관한 참조 이미지가 제공되더라도 강력한 견고성을 유지하는 RefSR의 잠재력을 발휘하는 방법을 제안합니다. 최근 이미지 스타일 변환 연구에서 영감을 얻어, 우리는 RefSR 문제를 신경망 질감 전송으로 정식화하였습니다. 이에 따라, 우리는 질감 유사성에 따라 참조 이미지로부터 적응적으로 질감을 전송하여 HR 세부 정보를 풍부하게 만드는 엔드투엔드 딥 모델을 설계하였습니다. 이전 방법들이 원시 픽셀 공간에서 콘텐츠 일치성을 확인하는 것과 달리, 우리의 핵심 기여는 신경망 공간에서 다중 수준 일치성 검사를 수행하는 것입니다. 이러한 일치성 검사 방식은 다중 스케일 신경망 전송을 용이하게 하며, 이는 모델이 의미론적으로 관련된 참조 패치들로부터 더 많은 혜택을 받을 수 있게 합니다. 또한, 가장 관련성이 낮은 참조 입력에 대해서는 SISR 성능으로 부드럽게 전환됩니다. 우리는 다양한 수준의 유사성을 가진 LR 입력과 참조 이미지를 포함하는 일반적인 RefSR 연구를 위한 벤치마크 데이터셋을 구축하였습니다. 정량적 및 정성적 평가는 우리 방법이 최신 기술보다 우수함을 입증하였습니다.