초록
버스트 슈퍼해상도(SR) 기술은 저품질 이미지에서 풍부한 세부 정보를 복원할 가능성을 제공합니다. 그러나 실제 응용 분야에서의 저해상도(LR) 이미지는 여러 가지 복잡하고 알려지지 않은 화질 저하를 가지고 있어, 기존의 비블라인드(예: 이중세기) 설계 네트워크는 고해상도(HR) 이미지를 복원하는 데 심각한 성능 하락을 겪곤 합니다. 본 논문에서는 현대 핸드헬드 장치에서 획득된 원시 버스트 시퀀스로부터 HR 이미지를 재구성하는 문제를 다룹니다. 주요 아이디어는 두 단계로 버스트 SR 문제를 해결할 수 있는 커널 안내 전략입니다: 커널 추정과 HR 이미지 복원. 전자는 원시 입력으로부터 버스트 커널을 추정하고, 후자는 추정된 커널을 바탕으로 슈퍼해상도 이미지를 예측합니다. 또한, 우리는 블러링 사전 정보를 고려하여 원시 이미지를 효과적으로 정렬할 수 있는 피라미드 커널 인식 변형 정렬 모듈을 소개합니다. 합성 데이터셋과 실제 세계 데이터셋에 대한 광범위한 실험 결과, 제안된 방법이 버스트 SR 문제에서 우수한 최신 성능을 보임을 입증하였습니다. 우리의 코드는 \url{https://github.com/shermanlian/KBNet}에서 확인할 수 있습니다.