バースト超解像（SR）技術は、低品質の画像から豊富な詳細を復元する可能性を提供します。しかし、実際のアプリケーションにおける現実世界の低解像度（LR）画像には、複数の複雑で未知の劣化が存在するため、既存の非盲目的（例えば、bicubic）に設計されたネットワークは、高解像度（HR）画像の復元において深刻な性能低下を経験することが多いです。本論文では、現代の携帯デバイスから取得した生のバーストシーケンスからHR画像を再構成する問題に取り組んでいます。中心的なアイデアは、カーネルガイダンス戦略であり、この戦略はバーストSR問題を2つのステップで解決します：カーネル推定とHR画像復元。前者は生データからバーストカーネルを推定し、後者は推定されたカーネルに基づいて超解像画像を予測します。さらに、ピラミッド型カーネル認識変形アライメントモジュールを導入しており、このモジュールはぼけに関する事前情報を考慮しながら効果的に生画像をアライメントできます。合成データセットと現実世界データセットでの広範な実験により、提案手法がバーストSR問題において優れた最先端の性能を達成できることを示しています。当該コードは \url{https://github.com/shermanlian/KBNet} で公開されています。