단일 이미지 초해상도(SISR) 문제는 고도로 비결정적이기 때문에, 이를 효과적으로 해결하기 위해 딥러닝 신경망은 더 깊은 구조를 요구한다. 초해상도(SR) 문제에서 성공적으로 활용된 딥 신경망 중 하나가 ResNet이며, 이는 스킵 연결(skip connections)을 통해 더 깊은 네트워크의 역량을 구현할 수 있다. 그러나 네트워크에서의 제로 패딩(ZP) 기법은 SRResNet에서 스킵 연결의 이점을 제한하며, 순수 입력 데이터의 개수 대비 제로 패딩된 데이터의 개수 비율이 증가함에 따라 그 성능도 저하된다. 본 논문에서는 SR 문제를 해결하기 위해 ZP 대신 부분 합성곱 기반 패딩(Partial Convolution based Padding, PCP)을 적용한 ResNet을 고려한다. 딥러닝 신경망을 패치(patch) 이미지로 학습하는 것은 학습 이미지 데이터의 수 및 네트워크 복잡도와 같은 여러 측면에서 유리하므로, 패치 이미지 기반 SR 성능을 단일 전체 이미지 기반 성능과 비교한다. 실험 결과, 패치 기반 SRResNet의 SR 결과가 단일 전체 이미지 기반의 결과보다 우수했으며, PCP를 적용한 깊은 SRResNet의 성능이 ZP를 적용한 경우보다 더 우수함이 확인되었다.