揭示隐藏细节：一种面向真实世界超分辨率的RAW数据增强范式

真实世界图像超分辨率（Real SR）旨在从低分辨率（LR）对应图像生成高保真、细节丰富的高分辨率（HR）图像。现有的Real SR方法主要侧重于从LR RGB域生成细节，这常常导致精细细节缺乏丰富性或保真度。在本文中，我们开创性地利用隐藏在RAW数据中的细节来补充现有的仅RGB方法，从而产生更优的输出。我们认为，图像信号处理中的关键图像处理步骤，如去噪和去马赛克，本质上会导致LR图像中精细细节的丢失，这使得LR RAW成为一个有价值的信息源。为了验证这一点，我们提出了RealSR-RAW，这是一个包含超过10,000对LR和HR RGB图像以及相应LR RAW的全面数据集，这些数据通过多部智能手机在不同焦距和多样化场景下捕获。此外，我们提出了一种新颖的通用RAW适配器，通过抑制LR RAW中包含的噪声并对齐其分布，将LR RAW数据高效集成到现有的CNN、Transformer和基于扩散的Real SR模型中。大量实验表明，整合RAW数据显著增强了细节恢复，并在包括保真度和感知导向指标在内的十个评估指标上提升了Real SR性能。我们的发现为Real SR任务开辟了一个新方向，数据集和代码将公开可用以支持未来的研究。