La superresolución de imagen de una sola imagen (SISR) es una tarea importante en el procesamiento de imágenes, con el objetivo de lograr una mayor resolución de imagen. Con el desarrollo del aprendizaje profundo, el SISR basado en redes neuronales convolucionales también ha avanzado considerablemente, pero a medida que la red se profundiza y la tarea de SISR se vuelve más compleja, las redes SISR se vuelven difíciles de entrenar, lo que dificulta que el SISR logre un mayor éxito. Por lo tanto, para promover aún más el SISR, han surgido muchos desafíos en los últimos años. En esta revisión, revisamos brevemente los desafíos de SISR organizados desde 2017 hasta 2022 y nos centramos en la clasificación detallada de estos desafíos, los conjuntos de datos empleados, los métodos de evaluación utilizados y las potentes arquitecturas de red propuestas o aceptadas por los ganadores. En primer lugar, dependiendo de las tareas de los desafíos, los desafíos de SISR se pueden clasificar ampliamente en cuatro categorías: SISR clásico, SISR eficiente, SISR extremo perceptual y SISR del mundo real. En segundo lugar, presentamos los conjuntos de datos comúnmente utilizados en los desafíos en los últimos años y describimos sus características. En tercer lugar, presentamos los métodos de evaluación de imagen comúnmente utilizados en los desafíos de SISR en los últimos años. En cuarto lugar, presentamos las arquitecturas de red utilizadas por los ganadores, principalmente para explorar en profundidad dónde residen las ventajas de sus arquitecturas de red y comparar los resultados de los ganadores de años anteriores. Finalmente, resumimos los métodos que se han utilizado ampliamente en el SISR en los últimos años y sugerimos varias posibles direcciones prometedoras para el futuro del SISR.