提出了一种用于多摄像头智能手机的模糊处理框架，利用混合成像技术，通过同时捕捉来自智能手机的长曝光广角图像和超广角连拍图像，并使用清晰的连拍图像估计模糊核进行广角图像的去模糊处理。使用创建的 HCBlur 数据集进行网络的学习和评估，该数据集包含模糊的广角图像、清晰的超广角连拍图像以及它们的清晰广角图像对应物。通过广泛的评估，结果显示出了现有技术的高质量。

Dec, 2023

使用双摄像头系统，通过图像融合方法，最大限度地利用来自 T 图像的像素以减少闲置区域，提高输出图像质量。

Dec, 2023

通过使用分束器同时捕获两台配备广角和长焦双摄像头的真实手机所拍摄的图像，新引入的数据集 ReWiTe 显著提升了现有各种方法在实际广角和长焦双图像融合任务中的性能。

Apr, 2024

这篇论文中，我们使用多帧超分辨率算法直接从一连串的彩色滤波阵列原始图像中创建完整的 RGB 图像，以替代传统的单帧和连拍摄影流程中使用的去马赛克方法。该算法旨在提高图像分辨率和信噪比，支持多种场景条件，可以在短时间内运行。实际应用于手机的两个功能：Super-Res Zoom 和 Night Sight 模式。

May, 2019

通过使用真实的 RAW 传感器数据进行训练，本文表明将机器学习应用于数码变焦较为有利。作者们还展示了如何通过光学变焦图像获取高准确度的真实高分辨率图像用于训练深度神经网络，并提出了一种新的上下文双边损失（CoBi）算法，使得训练出的网络在 4 倍和 8 倍的计算缩放中实现了最佳性能。

May, 2019

通过构建虚拟相机生成双摄相机平滑缩放的数据集，使用帧插值技术进行模型优化，实现了在双摄预览中的平滑缩放效果优化。

Apr, 2024

在这篇论文中，我们针对智能手机的参考图像超分辨率（RefSR）处理中的两个挑战性问题进行了研究，即如何选择适当的参考图像和如何以自监督的方式学习 RefSR。同时，我们提出了一种针对真实场景下的 RefSR 的自监督学习方法，通过观察双重和多重摄像头放大的图像。我们的方法在实验中表现出更好的定量和定性性能，并提供了可用的代码。

May, 2024

近期的图像增强方法展示了使用一对长曝光和短曝光图像进行低光摄影的优势。我们提出了一种新颖的双摄像头方法，通过同时使用一个摄像头捕捉一组同步的短曝光图像和另一个摄像头捕捉的长曝光图像，实现了更好的去噪、运动感知去模糊以及进一步提升质量的效果。

Sep, 2023

本文提出了新的自监督学习方法 (SelfDZSR)，用于从采用双倍相机变焦观察的真实世界图像中进行超分辨率重建，并以高分辨率图像为监督信息，以匹配其低分辨率版本的特征。

Mar, 2022

研究了基于摄像头镜头的 CameraSR 方法，旨在改善实际成像系统中分辨率（R）和视野范围（V）之间的固有平衡问题，并提出了两种新的数据采集策略， City100 数据集表明， CameraSR 具有提高单图超分辨率性能的实际解决方案，并且可以快速推广到不同的内容和设备上作为实现数字变焦的高级工具。

Apr, 2019