深層学習に基づく手法は、その効果性と効率性の面での優れた性能により、超解像（Super-Resolution: SR）分野を席巻しています。これらの手法の多くは、ダウンサンプリング時のぼかしカーネルが事前に定義されている/既知である（例：bicubic）という前提を持っています。しかし、実際の応用では、関与するぼかしカーネルは複雑で未知であり、これにより最先端のSR手法の性能が大幅に低下します。本論文では、ぼかしカーネルが未知である盲目SR問題におけるぼかしカーネル推定のために、反復的なカーネル補正（Iterative Kernel Correction: IKC）手法を提案します。我々は、カーネルの不一致が定期的なアーティファクト（過度なシャープニングまたは過度なスムージング）を引き起こすことを観察しました。この現象を利用することで、不正確なぼかしカーネルを補正することができます。したがって、直接的なカーネル推定よりも優れた結果を得られる反復補正スキーム——IKCを導入します。さらに、複数のぼかしカーネルに対処するために空間特徴変換（Spatial Feature Transform: SFT）層を使用した効果的なSRネットワークアーキテクチャを提案し、これをSFTMDと名付けました。合成画像および実世界画像に対する広範な実験により、提案されたIKC手法とSFTMDは視覚的に好ましいSR結果を提供するとともに、盲目SR問題において最先端の性能を達成することが示されました。