ICIP 2026のグランドチャレンジに参加した研究チームが、極限環境下でのナンバープレート超解像認識（XLPSR）タスクにおいて、高精度なシステムを開発しました。このシステムは、公開検証リーダーボード上で9.73の加重エラー率（wECR）を達成しており、実用的な性能を示しています。 提案されたパイプラインの特徴は、Hybrid Attention Transformer（HAT）による超解像フロントエンドと、2つのシーン文字認識器（PARSeq-SおよびCLIP4STR-B）の組み合わせにあります。これらの認識器からの出力に対して、信頼度加重文字投票スキームを適用することで、不確実な位置では棄権する仕組みを採用しています。このアプローチにより、認識精度と確実性のバランスを取っています。 このシステムは、XLPSRを画像可読性によって制御される認識タスクとして捉えています。超解像ステップは、文字をサブピクセル領域から脱出させるために存在し、非対称スコアリング規則（+2 / -1 / 0）を明示的に活用して性能を最適化しています。 計算効率も優れており、RTX 3090上での推論時間は1シーケンスあたり1.7秒で、最大でも2.7秒（p99では2.4秒）に抑えられています。これはDocker環境での60秒/シーケンスの予算制約を大きく下回っており、実用的な運用が可能な設計となっています。