SR-Prominence：用于感知加权超分辨率伪影评估的众包协议与数据集套件
计算机视觉与模式识别
2026-05-15 v1
摘要
现代图像超分辨率方法能生成细节丰富、视觉上令人愉悦的结果，但它们常引入视觉伪影：降低感知质量的不自然图案与纹理失真。这些缺陷在感知影响上差异巨大——有些几乎难以察觉，而另一些则极具干扰性——然而现有的检测方法对它们一视同仁。我们提出将伪影显著性作为评估目标，定义为判断高亮区域包含可察觉伪影的观众比例。我们设计了一个众包标注协议，并构建了 SR-Prominence，一个包含来自 DeSRA、Open Images、Urban100 以及一个无真实参考的 Urban100-HR 现实设定的 3,935 个伪影掩码的数据集套件，并标注了显著性。对 DeSRA 的重新标注表明，其实验室环境下的 48.2% 的二元伪影未被多数观众注意到。在整个套件中，我们审计了超分辨率伪影检测器、图像质量指标和超分辨率方法。我们发现，经典的全参考指标，尤其是 SSIM 和 DISTS，提供了令人惊讶的强局部显著性信号，而无参考 IQA 方法和专用伪影检测器往往无法在不同数据集和参考设定间泛化。SR-Prominence 随附一个客观评分协议发布，允许新指标在我们的套件上进行基准测试而无需进一步的众包。数据与协议共同使超分辨率伪影评估从二元缺陷存在转向感知影响。SR-Prominence 可在 https://huggingface.co/datasets/imolodetskikh/sr-artifact-prominence 获取。
引用
@article{arxiv.2605.14847,
title = {SR-Prominence: A Crowdsourced Protocol and Dataset Suite for Perceptually-Weighted Super-Resolution Artifact Evaluation},
author = {Ivan Molodetskikh and Kirill Malyshev and Mark Mirgaleev and Nikita Zagainov and Evgeney Bogatyrev and Dmitriy Vatolin},
journal= {arXiv preprint arXiv:2605.14847},
year = {2026}
}