基于基准帧选择的突发图像超分辨率

突发图像超分辨率近年来一直是活跃的研究课题，因为它能够利用突发序列中多帧之间的互补信息来获得高分辨率图像。在这项工作中，我们通过引入一个新的基准数据集（称为非均匀曝光突发图像（NEBI））来探索使用非均匀曝光的突发拍摄以应对现实世界中的实际场景，该数据集包含不同曝光时间的突发帧，以获取场景内更广泛的辐照度和运动特征。由于非均匀曝光的突发拍摄表现出不同程度的退化，将突发拍摄的信息融合到作为基准帧的第一帧中可能无法获得最佳图像质量。为了解决这一局限性，我们针对非均匀场景提出了一种帧选择网络（FSN）。该网络以即插即用的方式无缝集成到现有的超分辨率方法中，且计算成本低。对比分析揭示了非均匀设置在实际场景中的有效性，以及我们的FSN在合成/真实NEBI数据集上的有效性。