PIPAL数据集是由香港中文大学（深圳）数据科学学院创建的一个大规模图像质量评估数据集，专注于感知图像恢复。该数据集包含29,000张图像，其中包括250张高质量参考图像，每张图像有116种不同的失真。PIPAL数据集特别之处在于包含了基于生成对抗网络（GAN）的方法的结果，这是以往数据集中所缺乏的。数据集通过使用更可靠的“Elo系统”收集了超过1.13百万的人类判断来分配主观分数。基于PIPAL

arXiv2020-09-26 更新250

Custom Image Datasets

成像质量评估

机器学习

该数据集名为IQUAFLOW，它能够通过使用在图像上训练的人工智能模型的性能指标来衡量图像质量。此外，它还支持对图像进行有损压缩后重建等修改数据集的实验。IQUAFLOW不仅支持自定义指标，并可以使用MLflow记录实验结果，而且还提供了用于数据集修改和管理的工具。其规模是灵活的，取决于用户定义的数据集。该数据集的任务是进行图像质量评估。

arXiv70

SPMCS

视频处理

成像质量评估

它包含 30 个不同的视频，每个视频包含 31 帧。每个序列包含 x2、x3、x4 比例因子的双三次下采样输入。文件夹真实包含用于计算 PSNR 和 SSIM 的高分辨率地面真实图像。由于许多以前的方法使用 31 帧来为中心帧产生一个结果，因此我们也只评估中心帧的量化结果（我们论文中的数字）。我们不裁剪边界或使用其他后处理。

OpenDataLab2026-07-12 更新270

Several IQA algorithm comparison on the blur and noise image dataset.

成像质量评估

模糊噪声图像

Several IQA algorithm comparison on the blur and noise image dataset.

NIAID Data Ecosystem80