iPhoneBlur：面向消费设备运动去模糊的难度分层基准

消费类移动设备上的运动模糊复原通常使用聚合指标进行评估，这些指标掩盖了不同模糊难度下的性能差异，从而掩盖了模型在实际部署条件下的行为。本文介绍了iPhoneBlur，这是一个难度分层的基准，包含7400对图像，这些图像是从iPhone 17 Pro在多种真实世界场景中拍摄的高帧率视频合成而来。样本通过PSNR引导的自适应时间窗口划分为简单、中等和困难三个类别，分层结果通过各层级间光流幅度单调增加2.2倍得到验证。每个样本都包含全面的元数据，支持对ISP感知和难度自适应复原策略的研究。频谱分析证实，合成模糊表现出与真实运动退化一致的高频抑制模式。对六种架构的评估显示，从简单子集到困难子集，性能持续下降7-9 dB，这一巨大差距完全被聚合报告所掩盖。该基准还揭示了专业相机与消费相机之间的领域差距，而针对性的微调可以大幅弥合这一差距。通过将难度分层与部署关键元数据相结合，iPhoneBlur能够对资源受限的边缘系统的模型可靠性和故障模式进行系统性评估。