MetH：一类高分辨率且可变形状图像挑战数据集
计算机视觉与模式识别
2020-09-30 v4
摘要
AI界尚未妥善应对高分辨率与可变形状图像。卷积神经网络常用的下采样数据方法对许多任务而言并非最优，且弊端过多，难以视为可持续的替代方案。鉴于利用高分辨率(HR)与可变形状可获益的问题日益重要，并以推动该方向研究为目标，我们引入一类新数据集(MetH)。所提出的四个问题包括两个图像分类、一个图像回归与一个超分辨率任务。每个数据集包含数千件由大都会艺术博物馆专家标注的高分辨率与可变形状图像艺术品。我们分析表明，所提任务在像素尺寸与长宽比方差上均远超当前公开替代方案。同时，流行架构在这些任务上的性能表明仍有很大改进空间。为总结该贡献的相关性，我们综述了AI与高性能计算中可能受益于所提挑战的领域。
引用
@article{arxiv.1911.08953,
title = {MetH: A family of high-resolution and variable-shape image challenges},
author = {Ferran Parés and Dario Garcia-Gasulla and Harald Servat and Jesús Labarta and Eduard Ayguadé},
journal= {arXiv preprint arXiv:1911.08953},
year = {2020}
}
备注
An improved and extended version of this paper has been published in arXiv:2007.13693 This version is now obsolete