一句话定义：上采样（Upsample）是把数据尺寸变大的操作，下采样（Downsample）是把尺寸变小的操作——在图像处理里是像素变多或变少，在神经网络里是特征图的宽高变大或变小。
先看图像：放大与缩小
一张 100×100 的图片变成 400×400，就是上采样；反过来变成 50×50，就是下采样。
关键要理解：下采样一定会丢信息，上采样不会凭空创造信息。
把 400 个像素压成 100 个，最简单的做法是每 4 个取 1 个（这叫最近邻，Nearest Neighbor），或者取 4 个的平均值（平均池化，Average Pooling）。原来的细节里那些"被跳过"的像素，就永久损失了。
上采样则相反。把 100 个像素撑成 400 个，多出来的 300 个只能靠猜：要么直接复制邻居（最近邻插值），要么在已知点之间连线取值（双线性插值，Bilinear Interpolation），要么用更平滑的曲线（双三次插值，Bicubic）。所以放大后的图片会糊、会有锯齿，因为那些像素是推出来的，不是拍到的。
再看神经网络：特征图的缩放
在卷积神经网络（CNN）里，同样的操作作用在特征图（Feature Map）上，但目的完全不同。
下采样为了"看得更广"。 每次下采样，特征图的宽高减半，感受野（Receptive Field，每个神经元能看到的原图范围）就翻倍。浅层网络看到的是边缘、纹理这样的局部细节；经过几轮下采样后，深层网络才能"看到"整张人脸、整只猫。同时计算量也大幅下降——尺寸减半，计算量大约降到四分之一。这就是为什么分类网络（如 ResNet 系列）一路往下缩。
上采样为了"还回原位"。 图像分割要输出和输入同尺寸的掩码，目标检测要在原图坐标上画框，生成模型要从低维噪声一路变回高清图。这些都要求把缩小的特征图重新放大。常见手段有反卷积（Transposed Convolution，也叫转置卷积）、插值后接卷积、以及 Pixel Shuffle 这类重排操作。
有个经典结构叫 U-Net：先下采样若干次压缩语义，再上采样若干次恢复分辨率，中间用跳跃连接（Skip Connection）把浅层的高清细节直接送给对应的上采样层。这样既有了"看得广"的语义，又补回了下采样时丢掉的边缘细节。
两者的区别一览
| 下采样 Downsample | 上采样 Upsample | |
|---|---|---|
| 尺寸变化 | 变大→变小 | 变小→变大 |
| 信息量 | 一定损失细节 | 不新增信息，只是插值/推测 |
| 计算量 | 显著降低 | 显著增加 |
| 主要目的 | 扩大感受野、降成本 | 恢复分辨率、对齐原图 |
| 典型手段 | 最大池化、平均池化、步长卷积 | 反卷积、插值、Pixel Shuffle |
对从业者的实际意义
做模型设计：下采样的次数决定了模型能理解多大的画面，但也决定了你能恢复多精细的边界。分割任务里边界糊，很多时候不是上采样不够好，而是下采样阶段已经把细节弄丢了——这也是跳跃连接流行的原因。
做工程落地：上采样是显存和算力的吞金兽。高分辨率生成、超分（Super-Resolution）之所以贵，就是因为最后几级上采样要在很大的尺寸上做卷积。
普通人视角：手机相册里的"高清修复"、视频平台的 4K 增强、老照片放大，本质都是模型在做上采样——它没变出真实细节，只是根据学到的规律补出了"看起来合理"的细节。所以放大倍数越大，越要警惕"编出来"的假细节。
具体某个模型的实现细节，以官方代码和论文页面为准。