最近の最先端の超解像手法は、ブラーやノイズが存在しない理想的なデータセットにおいて、顕著な性能を達成している。しかし、これらの手法は実世界の画像超解像においては常に失敗する。その理由は、多くが高品質な画像から単純なバイキュービックダウンサンプリングを用いて低解像度（LR）と高解像度（HR）のペアを構築して学習を行うため、周波数関連の詳細情報が失われてしまうからである。この問題に対処するため、本研究では、さまざまなブラー核および実際のノイズ分布を推定することで、実世界の画像に適合した新しい劣化フレームワークの設計に注力した。本研究で提案する新しい劣化フレームワークに基づき、実世界の画像と同一のドメインに属するLR画像を取得することが可能となった。さらに、より優れた視覚的品質を実現することを目的として、実世界向けの超解像モデルを提案した。合成ノイズデータおよび実世界画像を用いた広範な実験により、本手法が最先端手法を上回ることを実証した。具体的には、ノイズが低減され、視覚的品質が顕著に向上している。さらに、本手法はNTIRE 2020における「実世界超解像」の2つのトレック（track）で優勝を果たしており、他の競合手法と比べて大幅に優れた性能を発揮した。