摘要

近年来，爆发式超分辨率（Burst Super-Resolution）或称多帧超分辨率（Multi-Frame Super-Resolution, MFSR）在移动摄影领域受到广泛关注。随着现代手持设备持续提升其计算能力，并具备以更快速度捕获多帧图像的能力，开发鲁棒的MFSR算法变得日益可行。与广泛研究的单图像超分辨率（Single-Image Super-Resolution, SISR）不同，MFSR通过融合多帧之间存在空间偏移的信息，有效缓解了从低分辨率图像重建高分辨率图像所面临的病态逆问题。本研究提出了一种新颖且高效的深度学习方法——SBFBurst，旨在解决这一具有挑战性的任务。所提出的网络以多张含噪RAW图像作为输入，输出为去噪后的超分辨率RGB图像。实验表明，通过引入基于基准帧引导机制（如特征图拼接与跳跃连接等操作），可在该任务中实现显著性能提升。此外，本文还强调了采用马赛克卷积（Mosaicked Convolution）对齐策略的重要性，该方法显著提升了网络在超分辨率任务中的整体表现。这些相对简单的改进，充分体现了所提出方法在与现有最先进方法对比时的竞争力。