摘要
我们提出一种新颖的架构，以解决多帧超分辨率（Multi-Frame Super-Resolution, MFSR）问题。所提出的框架称为增强型突发超分辨率（Enhanced Burst Super-Resolution, EBSR），该框架将MFSR问题分解为三个阶段：图像对齐、特征融合与图像重建。为实现多张低分辨率突发图像在特征层面的精准对齐，我们设计了特征增强金字塔级联与可变形卷积模块（Feature Enhanced Pyramid Cascading and Deformable convolution, FEPCD）。随后，通过交叉非局部融合模块（Cross Non-Local Fusion, CNLF）对对齐后的特征进行融合。最终，利用长程连接网络（Long Range Concatenation Network, LRCN）完成高分辨率图像的重建。此外，我们构建了级联残差路径结构（Cascading Residual Pathway, CR），以进一步提升模型性能。通过一系列实验，我们对各模块的有效性进行了分析与验证。在NTIRE2021突发超分辨率挑战赛中，我们的EBSR模型在真实数据赛道中荣获冠军，在合成数据赛道中获得亚军。