迈向缩小模拟到真实的鸿沟:基于真实数据的超分辨率基准测试
计算机视觉与模式识别
2019-06-18 v2
摘要
捕获真实数据以对超分辨率(SR)进行基准测试具有挑战性。因此,当前的定量研究主要在从真实图像人工采样的模拟数据上评估。我们认为,与在真实图像上的表现相比,此类评估高估了SR方法的实际性能。为缩小这一模拟到真实的鸿沟,我们引入了超分辨率埃尔朗根(SupER)数据库,这是首个具有像素级真实标注的全真实采集综合实验室SR数据库。它包含14个场景的超过8万张图像,结合了不同方面:CMOS传感器噪声、四个分辨率级别的真实采样、九种场景运动类型、两种光度条件以及五个级别的有损视频编码。因此,该数据库在质量和数量上均超出已有基准一个数量级。本文还在我们的数据上对19种流行的单图像与多帧算法进行了基准测试。该基准包括利用真实标注数据的定量研究以及大规模观察者研究中的定性评估。我们还从统计角度严格考察了两种评估之间的一致性。一个有趣的结果是,在模拟数据上表现最优的方法可能在真实数据上被其他方法超越。我们的见解可刺激进一步的算法发展,且公开可用的数据集可促进未来的评估。
引用
@article{arxiv.1809.06420,
title = {Toward Bridging the Simulated-to-Real Gap: Benchmarking Super-Resolution on Real Data},
author = {Thomas Köhler and Michel Bätz and Farzad Naderi and André Kaup and Andreas Maier and Christian Riess},
journal= {arXiv preprint arXiv:1809.06420},
year = {2019}
}
备注
To appear in IEEE Transactions on Pattern Analysis and Machine Intelligence; data and source code available at https://superresolution.tf.fau.de/