Recientemente, el aprendizaje profundo ha permitido un gran avance en el relleno de imágenes. Sin embargo, debido a la limitación de la memoria y la computación, la mayoría de los métodos existentes solo pueden manejar entradas de baja resolución, típicamente inferiores a 1 K. Con la mejora de la capacidad de transmisión de Internet y las cámaras de dispositivos móviles, la resolución de imágenes y fuentes de video disponibles para los usuarios a través de la nube o localmente está aumentando. Para imágenes de alta resolución, los métodos comunes de relleno simplemente aumentan la resolución de la imagen rellenada para producir un resultado borroso. En los últimos años, hay una necesidad urgente de reconstruir la información faltante de alta frecuencia en imágenes de alta resolución y generar detalles de textura nítidos. Por lo tanto, proponemos un marco general de aprendizaje profundo para el relleno de imágenes de alta resolución, que primero alucina un resultado borroso semánticamente continuo utilizando un relleno de baja resolución y suprime la sobrecarga computacional. Luego, los detalles nítidos de alta frecuencia con resolución original se reconstruyen utilizando refinamiento de súper resolución. Experimentalmente, nuestro método logra una calidad de relleno inspiradora en imágenes de resolución 2K y 4K, superando a la técnica de relleno de alta resolución más avanzada. Se espera que este marco se popularice para tareas de edición de imágenes de alta resolución en computadoras personales y dispositivos móviles en el futuro.