面向真实世界模糊图像的超分辨率新数据集与框架
计算机视觉与模式识别
2024-07-23 v1
摘要
近期的盲目图像超分辨率（BSR）方法在处理一般图像时表现突出。然而，我们发现，当这些方法应用于带有模糊图像数据时，其有效性明显下降，而具有故意模糊的图像数据在一般数据中占据相当大比例。为进一步调查和解决此问题，我们开发了一个专为模糊图像设计的新型超分辨率数据集，命名为Real-world Blur-kept Super-Resolution（ReBlurSR）数据集，该数据集由近3000个散景和运动模糊图像样本组成，涵盖多种模糊大小和 varying blur 强度。此外，我们提出一种新的BSR框架，用于模糊图像，称为Perceptual-Blur-adaptive Super-Resolution（PBaSR），其包含两个主要模块：交叉解�合模块（CDM）和交叉融合模块（CFM）。CDM利用双分支并行处理以分离优化过程中出现的冲突模糊与一般数据。CFM基于模型插值，对这些不同领域中优化得到的先验进行经济高效的融合。通过集成这两个模块，PBaSR能够在不增加额外推理和部署成本的情况下，在一般和模糊数据上均取得优异性能，并且能够在多种模型架构之间通用。丰富的实验表明，PBaSR在各种指标上均实现了在ReBlurSR和多个常见一般BSR基准测试中的最先进性能。代码链接：https://github.com/Imalne/PBaSR。
关键词
引用
@article{arxiv.2407.14880,
title = {A New Dataset and Framework for Real-World Blurred Images Super-Resolution},
author = {Rui Qin and Ming Sun and Chao Zhou and Bin Wang},
journal= {arXiv preprint arXiv:2407.14880},
year = {2024}
}