基于图像难度的超分辨率模型评估
计算机视觉与模式识别
2025-10-02 v2
摘要
图像超分辨率模型通常通过平均分数（基于某些基准测试集）进行评估，这些分数未能反映这些模型在不同难度图像上的性能；此外，某些模型在特定难图上会产生细节，而这种现象未被平均分数所反映。我们提出了基于难度的绩效评估程序，以更好地区分产生视觉不同结果但在整个测试集上平均绩效分数接近的 SISR 模型。具体而言，我们提出了两种图像难度度量指标，即高频指数和旋转不变边缘指数，用于预测哪些测试图像会导致模型在视觉上显著优于另一个模型，以及反映这些视觉差异的客观评估方法。实验结果表明，所提出的图像难度度量指标和评估方法有效。
引用
@article{arxiv.2509.26398,
title = {Image-Difficulty-Aware Evaluation of Super-Resolution Models},
author = {Atakan Topaloglu and Ahmet Bilican and Cansu Korkmaz and A. Murat Tekalp},
journal= {arXiv preprint arXiv:2509.26398},
year = {2025}
}
备注
Accepted to and presented at ICIP 2025 Workshops