棘手的问题。根据我的经验，最好只寻找经典上采样方法的数学资源，因为深度学习论文和书籍往往认为它们是理所当然的，或者与人工智能无关（它们毕竟是分析方法）。另一个原因可能是数学并不那么难，维基百科页面已经很好地描述了基本方法（最近邻、双线性插值、双三次插值）。

对于其他一些有趣和更先进的技术，我发现这篇论文很有用：Mathematical Techniques for Image Interpolation 尽管它并不详尽，因为它没有提到像Lanczos这样的双线性或双三次上采样的众所周知的替代方案，所以为了完整起见，我还会阅读A Study图像上采样和下采样滤波器

关于深度学习部分，搜索不是研究上采样方法本身，而是研究它们引入的神器的论文更有价值，尤其是与超分辨率等任务相关的论文。作为起点，我将深入研究这篇博文及其参考资料。