面向全景图像和视频超分辨率的深度学习方法系统性调查
计算机视觉与模式识别
2025-06-10 v1 图像与视频处理
摘要
全景图像和视频超分辨率是低层视觉中的关键研究主题，在虚拟现实和增强现实应用中发挥着 essential 作用。其目标是从低分辨率输入重建高分辨率图像或视频帧，从而增强细节保留， enables 更准确的场景分析和解释。近年来，提出了众多创新且有效的方法，主要基于深度学习技术，涉及多样化的网络架构、损失函数、投影策略和训练数据集。本文系统性地综述了近期在全景图像和视频超分辨率方面的进展，聚焦于基于深度学习的方法。鉴于现有数据集主要依赖人工退化，难以捕捉真实世界的失真，我们引入了新的数据集360Insta，包含在多样化条件下收集的真实退化全景图像和视频，包括各种光照、运动和曝光设置。该数据集填补了当前全景基准测试中的关键空白， enables 更稳健地评估全景超分辨率方法的泛化能力。我们在公共数据集和我们提出的数据集上对现有方法进行全面的定性和定量评估。此外，我们提供了对当前研究状态的系统性概述，并讨论了未来探索的有前景的方向。本 work 介绍的所有数据集、方法和评估指标均公开可用，并将定期更新。项目页面: https://github.com/nqian1/Survey-on-ODISR-and-ODVSR。
引用
@article{arxiv.2506.06710,
title = {A Systematic Investigation on Deep Learning-Based Omnidirectional Image and Video Super-Resolution},
author = {Qianqian Zhao and Chunle Guo and Tianyi Zhang and Junpei Zhang and Peiyang Jia and Tan Su and Wenjie Jiang and Chongyi Li},
journal= {arXiv preprint arXiv:2506.06710},
year = {2025}
}