SEAL: A Framework for Systematic Evaluation of Real-World Super-Resolution

要約

現実世界超解像度 (リアル SR) 手法は、現実世界の多様な画像を処理することに焦点を当てており、近年ますます注目を集めています。
重要なアイデアは、複雑で高次の劣化モデルを使用して現実世界の劣化を模倣することです。
さまざまな場面で目覚ましい成果をあげてきた彼らだが、評価という壁に直面している。
現在、これらの手法は、大規模な空間からランダムに選択された少数の劣化ケースの平均パフォーマンスによってのみ評価されており、全体的なパフォーマンスを包括的に理解することができず、偏った結果が得られることがよくあります。
この評価の限界を克服するために、我々はリアルSRの系統的評価フレームワークであるSEALを提案する。
特に、広範な劣化空間をクラスタリングして、包括的なテスト セットとして機能する代表的な劣化ケースのセットを作成します。
次に、テスト セット上で実際の SR メソッドの分散パフォーマンスと相対パフォーマンスを測定するための、粗いから細かいまでの評価プロトコルを提案します。
このプロトコルには、合格ラインと優秀ラインから導出される合格率 (AR) と相対パフォーマンス比 (RPR) という 2 つの新しい指標が組み込まれています。
SEAL の下で、当社は既存のリアル SR 手法のベンチマークを行い、そのパフォーマンスに関する新しい観察と洞察を取得し、新しい強力なベースラインを開発します。
私たちは SEAL を、本物の SR の開発を促進できる、公平で包括的な評価プラットフォームの構築に向けた第一歩と考えています。

要約(オリジナル)

Real-world Super-Resolution (real-SR) methods focus on dealing with diverse real-world images and have attracted increasing attention in recent years. The key idea is to use a complex and high-order degradation model to mimic real-world degradations. Although they have achieved impressive results in various scenarios, they are faced with the obstacle of evaluation. Currently, these methods are only assessed by their average performance on a small set of degradation cases randomly selected from a large space, which fails to provide a comprehensive understanding of their overall performance and often yields biased results. To overcome the limitation in evaluation, we propose SEAL, a framework for systematic evaluation of real-SR. In particular, we cluster the extensive degradation space to create a set of representative degradation cases, which serves as a comprehensive test set. Next, we propose a coarse-to-fine evaluation protocol to measure the distributed and relative performance of real-SR methods on the test set. The protocol incorporates two new metrics: acceptance rate (AR) and relative performance ratio (RPR), derived from an acceptance line and an excellence line. Under SEAL, we benchmark existing real-SR methods, obtain new observations and insights into their performance, and develop a new strong baseline. We consider SEAL as the first step towards creating an unbiased and comprehensive evaluation platform, which can promote the development of real-SR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google