VoDaSuRe：揭示体积超分辨率中领域迁移的大规模数据集
计算机视觉与模式识别
2026-03-25 v1
摘要
近期体积超分辨率 (SR) 的进展在医学和科学成像中展现出强大的性能，transformer 和 CNN 方法在极端放大因子下取得令人印象的成绩。然而，本文指出，这些性能很大程度上源于训练时使用下采样数据而非真实低分辨扫描。这种对下采样数据的依赖在很大程度上是由于缺乏配对的 3D 数据集。为此，我们引入 VoDaSuRe，一个大规模体积数据集，包含配对的高低分辨扫描。训练于 VoDaSuRe 的模型显示出显著差异：训练于下采样数据的 SR 模型产生的预测明显更锐利，而训练于真实低分辨扫描的模型则平滑细节结构。相反，将训练于下采样数据的模型应用于真实扫描可保留更多结构但不够准确。我们的发现表明当前的 SR 方法被高估——当应用于真实数据时，它们并不能恢复低分辨扫描中丢失的结构，而是预测一个平滑的平均值。我们认为，基于深度学习的体积 SR 进展需要数据集包含高复杂度的配对真实扫描，例如 VoDaSuRe。我们的数据集和代码均公开于：https://augusthoeg.github.io/VoDaSuRe/
引用
@article{arxiv.2603.23153,
title = {VoDaSuRe: A Large-Scale Dataset Revealing Domain Shift in Volumetric Super-Resolution},
author = {August Leander Høeg and Sophia Wiinberg Bardenfleth and Hans Martin Kjer and Tim Bjørn Dyrby and Vedrana Andersen Dahl and Anders Bjorholm Dahl},
journal= {arXiv preprint arXiv:2603.23153},
year = {2026}
}
备注
18 pages, 15 figures. To be published in the proceedings of the Computer Vision and Pattern Recognition Conference 2026