迈向超分辨率的真实细节复原：一种基准与一项质量指标
计算机视觉与模式识别
2022-04-12 v1 图像与视频处理
摘要
超分辨率（SR）近年来已成为被广泛研究的课题。SR方法能够提升整体图像与视频质量，并为进一步的内容分析创造新的可能。但SR主流主要聚焦于提升结果图像的自然度，尽管可能损失上下文准确性。此类方法即便在其他方面产生良好视觉质量，也可能生成错误的数字、字符、人脸或其他结构对象。错误的细节复原会在人工与自动检测和识别对象时引发错误。为分析图像与视频SR模型的细节复原能力，我们基于自建视频数据集开发了一个基准，该数据集包含SR模型通常无法正确复原的复杂图案。我们使用该基准评估了32个近期SR模型，并比较了它们保留场景上下文的能力。我们还进行了众包的细节复原对比，并开发了一种客观评估指标，在此任务上通过与主观评分的相关性优于其他质量指标。最后，我们对基准结果进行了深入分析，为未来基于SR的工作提供见解。
引用
@article{arxiv.2203.08923,
title = {Towards True Detail Restoration for Super-Resolution: A Benchmark and a Quality Metric},
author = {Eugene Lyapustin and Anastasia Kirillova and Viacheslav Meshchaninov and Evgeney Zimin and Nikolai Karetin and Dmitriy Vatolin},
journal= {arXiv preprint arXiv:2203.08923},
year = {2022}
}