对目前的超分网络特点进行总结，不能与网上的内容重复。

超分网络(Super-Resolution Network)是一类用于图像超分辨率重建的神经网络。它的目的是将低分辨率的图像放大到高分辨率，从而增强图像的清晰度和细节。

目前的超分网络主要有以下几个特点：

1. 利用多层网络结构进行特征提取：超分网络通常采用卷积神经网络(CNN)或双流网络(FlowNet)作为模型的基础，通过多层网络结构提取图像的特征。

2. 引入多种辅助损失函数来提高精度：为了提高超分网络的精度，通常会引入多种辅助损失函数，比如像素损失函数、结构相似性损失函数等。

3. 利用残差结构来解决图像边缘模糊问题：超分网络通常采用残差结构来解决图像边缘模糊的问题，即通过对高分辨率图像与低分辨率图像的残差进行学习来重建高分辨率图像。

4. 引入注意力机制来提高模型泛化能力：为了提高超分网络的泛化能力，越来越多的超分网