用于超分辨率的的多模态数据集
图像与视频处理
2020-04-14 v1 计算机视觉与模式识别
摘要
当前，大多数用于训练和评估超分辨率模型的均为单模态仿真数据集。然而，由于真实世界中图像退化类型的多样性，在单模态仿真数据集上训练的模型在不同退化场景下并不总是具备良好的鲁棒性与泛化能力。以往工作往往仅关注真彩图像。相比之下，我们首次提出了用于超分辨率的真实世界黑白老照片数据集（OID-RW），其通过人工填充像素与不同相机拍摄两种方法构建。该数据集包含82组图像，包括22组人物类与60组风景建筑类。同时，我们还提出了一种多模态退化数据集（MDD400），以解决真实生活图像退化场景中的超分辨率重建问题。我们设法通过以下四种方法模拟退化图像生成过程：插值算法、CNN网络、GAN网络以及不同码率视频拍摄。我们的实验表明，不仅在我们的数据集上训练的模型具有更好的泛化能力与鲁棒性，而且重建图像能够保持更好的边缘轮廓与纹理特征。
引用
@article{arxiv.2004.05804,
title = {Multi-modal Datasets for Super-resolution},
author = {Haoran Li and Weihong Quan and Meijun Yan and Jin zhang and Xiaoli Gong and Jin Zhou},
journal= {arXiv preprint arXiv:2004.05804},
year = {2020}
}