面向图像超分辨率的显著性感知型失真检测与数据集
计算机视觉与模式识别
2026-02-13 v2 机器学习
摘要
生成式单图像超分辨率（SISR）正在快速发展，但即使是最先进的模型也会产生视觉失真：不自然的图案和纹理失真，会降低感知质量。这些缺陷在感知影响上差异很大——有的几乎察觉不出，而有的则令人极度困扰——但现有的检测方法对其都一视同仁。我们提出了通过人类观察者的显著性来刻画失真，而将其视为均匀的二元缺陷。我们构建了一个包含1302个失真示例的数据集，这些失真来自11种SISR方法，并标注了来自众所云审的显著性评分；此外，我们为DeSRA数据集中的593个现有失真提供了显著性标注，揭示了其中48%的失真大多数观察者几乎无法察觉。基于此数据，我们训练了一个轻量级回归器，能够产生空间显著性热力图。我们展示了该方法优于现有检测器，并能有效指导SR模型的微调，以抑制失真。我们的数据集和代码已在https://tinyurl.com/2u9zxtyh上提供。
引用
@article{arxiv.2510.16752,
title = {Prominence-Aware Artifact Detection and Dataset for Image Super-Resolution},
author = {Ivan Molodetskikh and Kirill Malyshev and Mark Mirgaleev and Nikita Zagainov and Evgeney Bogatyrev and Dmitriy Vatolin},
journal= {arXiv preprint arXiv:2510.16752},
year = {2026}
}