NTIRE 超分相关赛道及评价指标

原创 已于 2023-04-04 21:06:17 修改 · 2.6k 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉 #深度学习 #超分辨率重建

于 2022-06-14 14:45:07 首次发布
部署运行你感兴趣的模型镜像

NTIRE 2019

真实场景 Real-World Image Super-Resolution

数据集:RealSR(佳能5D3和尼康D810*4个焦距)
评价指标：PSNR+SSIM

NTIRE 2020

真实场景 Real-World Image Super-Resolution（RW）
• Track1： Image Processing Artifacts

测试数据：Flick2k 未知退化 不下采样
训练：DIV2K
指标：PSNR+SSIM+(LPIPS距离)
排名：MOS

• Track2：Smartphone Images

测试：DPED（iPhone3）
训练：DIV2K
指标：NIQE、BRISQUE、PIQE、NRQM、PI (评估图像锐度、噪声、伪影和整体的质量)
排名：MOS

NTIRE 2021

视频超分

参考网址：https://zhuanlan.zhihu.com/p/372497679

• Track1: Video Super-Resolution

数据：REDS（1280*720）bicubic下采样x4
目标：从LR序列重建HR图像
冠军：BasicVRSR++
评判标准：PSNR+SSIM+(LPIPS)

• Track2: Video Spatio-Temporal Super-Resolution

数据：Track1中抽走奇数帧
目标：同时从空域与时域超分重建24fps的HR序列
冠军：LCVR+MQVI
评判标准：PSNR+SSIM+(LPIPS)

图像超分
• 大尺寸超分 Learning the Super-Resolution Space Challenge

目标： X4/X8
数据集：DIV2K bicubic
评价标准： LPIPS+LR-PSNR+MOS

• 连拍图像超分辨率 Burst Super-Resolution （two tracks）

目标：连拍的RAW→ X4 RGB
数据：Deep burst super-resolution （BurstSR）
评价标准：PSNR+SSIM+LPIPS+MOS

重度压缩视频质量增强 Challenge on Quality Enhancement of Heavily Compressed Video

NTIRE 2022

图像超分
▏ 轻量超分 Efficient Super-Resolution

目的： X4 PSNR不得低于29db （DIV2K bicubic）
• Main Track: Runtime，根据模型在验证集和测试集的平均运行时间进行排名。 冠军：ByteESR
• Sub-Track 1: Model Complexity，根据模型的参数量和 FLOPs 加权得到排名。
• Sub-Track 2: Overall Performance，根据模型运行时间、参数量、FLOPs、Activations 及内存占用五个维度的综合考量得到排名。

▏ 双目超分 Stereo Image Super-Resolution Challenge

目的：从低分辨率(LR)双目图像重建高分辨率(HR)双目图像
冠军：NAFFSSR（NAFNet图像去噪 + SCAM）

▏ 真实世界数据赛道 Burst Super-Resolution Challenge

目标：从多张手机拍摄的低分辨率低质量的 RAW 图恢复出具有丰富纹理的高清图像 X4
冠军：旷视研究院（BSRT）

视频
▏ Super-Resolution and Quality Enhancement of Compressed Video

数据集：压缩视频增强超分 benchmark (LDA数据集)
Track1：针对包括视频编码中（如采用HEVC）的高压缩比带来的失真的视频恢复问题。
Track2：Track1的基础上，同时处理高压缩和2倍超分问题。
Track3：Track2的基础上，探索4倍超分和增强问题
冠军：TaoMC2(BasicVSR++ + SwinIR) 两冠一亚

NTIRE 2023

官网：https://codalab.lisn.upsaclay.fr/

推出了新的数据集 LSDIR

▏ 轻量超分 Efficient Super-Resolution

目的： X4 PSNR不得低于29db （DIV2K bicubic）
排名评价：按运行时、参数、FLOP、activate和depth

▏ 经典超分 Image Super-Resolution X4

排名评价：PSNR/SSIM

▏ 实时超分 Real-Time Super-Resolution

Track 1 for upscaling from FHD 1080p to 4K resolution (X2 factor)
Track 2 for upscaling from HD 720p to 4K resolution (X3 factor)
要求：满足RTX 3060（12Gb）/ RTX 3090（24Gb）的实时处理，并根据PSNR，SSIM进行排名
数据：输入图像将使用JPEG q=90进行压缩

▏ 全景超分 360° Omnidirectional Video Super-Resolution Challenge

Track 1：360° Omnidirectional Image Super-Resolution (X4)
数据集：Flickr360
Track 2：360° Omnidirectional Video Super-Resolution (X4)
数据集：ODV360
评价指标：WS-PSNR

您可能感兴趣的与本文相关的镜像

Qwen-Image-Edit-2509

Qwen-Image-Edit-2509

图片编辑
Qwen

Qwen-Image-Edit-2509 是阿里巴巴通义千问团队于2025年9月发布的最新图像编辑AI模型，主要支持多图编辑，包括“人物+人物”、“人物+商品”等组合玩法

【图像去噪】前沿资讯：第十届NTIRE 2025图像去噪挑战报告，一大批CVPRW论文即将来袭！
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
04-21 2092
The Tenth NTIRE 2025 Image Denoising Challenge是第十届CVPR NTIRE (New Trends in Image Restoration and Enhancement) Workshop研讨会比赛之一 —— 图像去噪挑战赛，旨在促进去噪领域的发展，对不同的去噪技术进行公平比较，促成潜在的合作关系。加噪声白噪（AWGN），σ=50。计算效率和模型复杂度不参与评判。也就是说，只看涨点，无疑又是一场军备竞赛。核心思想：偏差调优。
【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等
热门推荐
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
03-25 3万+
本专栏研究领域为【超分辨率重建】，涵盖图像超分、视频超分，实时超分，4K修复等方面。主要内容包括主流算法模型的论文精读、论文复现、毕业设计、涨点手段、调参技巧、论文写作、应用落地等方面。算法模型从SRCNN开始更新至今，一般是一篇论文精读对应一篇论文复现。论文精读详解理论，归化繁为简，归纳核心，积累词句，培养阅读论文和论文写作能力。论文复现依托Pytorch代码，实现完整的模型训练流程，总结调参方法，记录碰到的bug，论文插图可视化，培养读写代码能力、做实验的能力、以及应用落地能力。
NTIRE 2023 Challenge on Efficient Super-Resolution——RepRFN：当RFDN遇到重参数化
weixin_43800577的博客
07-12 4768
为了解决在资源受限的设备上很难部署超分模型（模型参数、计算量过大）的问题，本文探索了轻量化超分中信息蒸馏机制（information distillation mechanism）和残差学习机制（residual learning mechanism）在性能和效率上的差异，提出了基于重参数化（reparameterization）的轻量级超分网络结构，叫做RepRFN。
无参考图像质量评价指标
qq_44396242的博客
05-17 6524
非参考图像质量评价指标 主要列举五个非参考图像质量评价指标，具体说明可参考《基于Retinex模型和多尺度融合的低光照图像增强技术》Github项目中的IQA说明和效果 链接：https://github.com/TwoTu/MF-LIME BRISQUE 基于自然场景统计的失真通用非参考图像质量评估模型 MATLAB图像处理工具箱自带，可直接调用 链接：https://ww2.mathworks.cn/help/images/ref/brisque.html CEIQ 基于对比度增强的失真图像非参
无参考图像质量客观评估指标
Doctor__Chen的博客
02-01 9774
由于很多图像的数据集都没有完善的参考图像，不利于实验数据的完整分析。为此，采用具备较强理论基础的无参考图像质量客观评价指标具有更高的现实意义。
超分评价指标
eight_Jessen的博客
08-20 2521
1. PSNR（峰值信噪比） PSNR Peak Signal-to-Noise Ratio 衡量图像质量的指标。 维基百科解释 表示信号最大可能功率和影响它的表示精度的破坏性噪声功率的比值的工程术语。由于许多信号都有非常宽的动态范围，峰值信噪比常用对数分贝单位来表示。 计算方法： 先计算MSE MSE=1mn∑i=0m−1∑j=0n−1[I(i,j)−K(i,j)]MSE=\frac{1}{mn}\sum^{m-1}_{i=0}\sum^{n-1}_{j=0}[I(i,j)-K(i,j)]MSE=m
视频超分的评价指标
最新发布
wj3034547573的博客
11-10 1604
6种视频的评价指标
NTIRE 2022 Challenge on Stereo Image Super-Resolution比赛报告解读
weixin_43800577的博客
03-09 2318
NTIRE 的全称为New Trends in Image Restoration and Enhancement Challenges，即“图像复原和复原挑战中的新趋势”，是CVPR(IEEE Conference on Computer Vision and Pattern Recognition)举办的极具影响力的计算机视觉底层任务比赛，主要涉及的研究方向有：图像超分辨率、图像去噪、去模糊、去摩尔纹、重建和去雾等。
斩获 CVPR NTIRE 冠亚军，小红书如何提升短视频与直播体验质量？
REDtech_1024的博客
06-19 2325
从竞赛获奖到落地实践，小红书如何提升短视频和直播基础体验质量？
【更新中21/31】NTIRE 2022 ESR(efficient super-resolution) 方案与结果
laonafahaodange的博客
07-22 4423
【更新中】NTIRE 2022 ESR 方案与结果
NTIRE21_BURSTSR
05-05
目录 介绍 “爆发图像超分辨率挑战赛”将作为研讨会的一部分，该研讨会将与一起举行。 挑战的任务是在给定RAW突发作为输入的情况下生成去噪，去马赛克的高分辨率图像。 挑战使用一个新的数据集，并具有2条轨迹，即轨迹1：合成和轨迹2：真实世界。 每个赛道上排名最高的参与者将获得奖励，并邀请所有参与者提交论文，介绍其在CVPR 2021上相关的NTIRE研讨会上的解决方案 参考 我们在以下论文中介绍了针对此挑战提供的BurstSR数据集，代码和评估协议。 如果您在工作中使用其中任何一项，请引用。 我们的论文还介绍了一种深度爆破超分辨率的新方法，您可以将其用作基准解决方案。 深度爆发超分辨率Goutam Bhat，Martin Danelljan，Luc Van Gool，Radu Timofte arXiv：2101.10997 [论文] 日期 2021.01.26发布培训和验证数据 2021
超分 Super-Resolution
yang_daxia的博客
12-01 3315
1、入门 定义：超分即把一个低分辨率低图片恢复为高分辨率低图像 数据来源：把高分辨率低图片通过人工加噪声等方式变成高分辨率 卷积种类： 先上采样再恢复 先恢复再上采样 渐进式等上采样 循环式等上采样和下采样 损失函数：一般分为多种损失函数，使用不同等损失函数叠加。 基于像素的Pixel Loss 如L2\L1 基于内容的Content loss，如利用一个训练好的分类网络，对模型输出的图片和标注图像分别做分类，求loss 基于纹理的Texture Loss，如利用一个训练好的分类网络，.
【视频超分辨率】视频超分辨率的介绍（定义，评价指标，分类）
h661975的博客
11-29 5249
视频超分率起源于图像超分率，旨在根据已有的低分辨率视频序列生成具有真实细节和内容连续的高分辨率视频序列。视频超分辨率技术可以将，以提供更多的细节和清晰度。视频超分辨率技术主要分为的方法两类。视频超分辨率评价标准主要为。接下来，我将展开详细介绍视频超分的两个方法和评价标准。
NTIRE介绍和近年来超分SR结果展示
ytao_wang的博客
09-27 5393
对超分辨率比赛NTIRE2018到2020的基本信息与结果进行了介绍，同时展示了最近几年超分辨率SR在bicubic下采样上的超分结果，最后进行总结。
NTIRE数据集
OrigamiSun的博客
11-05 693
链接：https://pan.baidu.com/s/1UIit6pl5TpWOQxAxvhEhjA?通过百度网盘分享的文件：NTIRE_20...复制这段内容打开「百度网盘APP 即可获取」
图像超分辨率重建相关概念、评价指标、数据集、模型
a486259的博客
05-20 1万+
超分辨率（Super-Resolution），简称超分（SR）。是指利用光学及其相关光学知识，根据已知图像信息恢复图像细节和其他数据信息的过程，简单来说就是增大图像的分辨率，使图像更加“清晰”，尽可能保证图像质量不下降。超分辨率的方法包括传统方法和深度学习的方法，有关超分辨率方法分类如下图所示。深度学习方法在性能上远远领先于传统方法，有着更好的图像超分辨率表现。知乎用户 阿布的足迹​ https://zhuanlan.zhihu.com/p/558813267从单一低分辨率图像中恢复高分辨率图像。
NTIRE2023 图像复原和增强赛事Efficient Super-Resolution赛道冠军方案解读——DIPNet
weixin_43800577的博客
07-11 4944
本篇文章着重于NTIRE 2023高效超分辨率（efficient super-resolution）挑战赛的冠军方案的解读，学习能够提升任务的tricks，以期给相关的科研任务一些启发。NTIRE 2023高效超分辨率挑战赛的目标是以RFDN（AIM 2020 高效超分辨率冠军）为baseline，以尽量少的推理时间（runtime），参数量（parameters），计算量（FLOPs），激活值（activations）和显存占用（memory consumption）实现4倍超分。
DIPNet：NTIRE 2023 图像复原和增强赛事Efficient Super-Resolution赛道冠军方案
梦坠凡尘
07-03 1961
采用一个多层级蒸馏方法，首先利用增强的 GT 训练一个比较大的 Teacher Net，然后用 Teacher Net 对 Student Net （也就是我们的小模型）进行特征层面和图像层面的蒸馏（除了特征层面的蒸馏监督外，对最后输出图像也进行了大模型输出图像监督以及增强 GT 的监督）。这里在RLFN的块RLFB的基础上，引入了可重新参数化的拓扑结构，包括串行的卷积重参数化和并行的重参数化，这种方法为我们带来的无损的精度提升。式中Φ为剪枝操作，r为剪枝率，Φ为微调操作，sp为第i次剪枝后的网络。
NTIRE2023-RTSR-Track2 冠军方案详解
聚焦底层视觉处理，对相关基础AI技术持续学习
03-03 1157
编辑 | Happy首发 | AIWalker链接 | https://mp.weixin.qq.com/s/JQ5g9yn_OdjR8hi_tWc4jA本文了一个实时&轻量图像超分方案Bicubic++，它通过下采样模块降低图像分辨率以减少计算量，在网络尾部采用X6上采样进行图像重建，同时还构建了一个三阶段训练方案。在测试集上，(注：fp16精度，720p输入，4K输出)。此外，，所提方案与其他轻量化方案的性能对比可参考下图。值得称道的就是，，故很有机会成为新的工业标准。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值