SR-Ground：超分辨内容图像质量 grounding
计算机视觉与模式识别
2026-05-21 v1
摘要
超分辨（SR）近年来取得了快速进展，扩散模型实现了前所未有的保真度，但也引入了新的视觉瑕疵。虽然现有图像质量评估（IQA）方法提供了整体质量评分，但缺乏可解释性，无法区分由现代SR方法产生的不同瑕疵类型。为解决此问题，我们引入SR-Ground，一个专为超分辨图像中细粒度瑕疵分割设计的大规模数据集。数据集包含由多样化的先进SR模型处理的图像，包含多个瑕疵类别的像素级标注。我们进行大规模众包研究，涉及1,062名参与者，以验证和细化自动生成的分割结果，最终得到覆盖6类不同瑕疵类型的63,000张高质量图像数据集。我们表明，在SR-Ground上训练具备 grounding 能力的IQA模型，可显著提升下游任务性能。此外，我们引入了一个细化管道，利用我们的grounding模型减少SR输出中可感知的瑕疵，展示了该数据集的实际用途。
引用
@article{arxiv.2605.21244,
title = {SR-Ground: Image Quality Grounding for Super-Resolved Content},
author = {Artem Borisov and Evgeney Bogatyrev and Khaled Abud and Dmitriy Vatolin},
journal= {arXiv preprint arXiv:2605.21244},
year = {2026}
}