RealSRSet

displayName: RealSRSet
license:
- Apache 2.0
mediaTypes:
- Image
paperUrl: https://arxiv.org/pdf/2103.14006v2.pdf
publishDate: "2021"
publishUrl: https://github.com/cszn/BSRGAN
publisher:
- ETH Zurich
- Katholieke Universiteit Leuven
tags:
- Human face
taskTypes:
- Image Super-resolution

---
# 数据集介绍
## 简介
20张真实的低分辨率图像，选自现有数据集或从互联网下载；通过添加不同噪声级别的高斯噪声，采用不同质量因子的JPEG压缩，并通过反向正向摄像机图像信号处理生成处理后的摄像机传感器噪声来合成噪声(ISP) 管道模型和 RAW 图像噪声模型。为了验证新退化模型的有效性，我们训练了一个深度盲 ESRGAN 超级解析器，然后将其应用于具有不同退化的合成图像和真实图像的超级解析。实验结果表明，新的退化模型有助于显着提高深度超解算器的实用性，从而为实际 SISR 应用提供强大的替代解决方案。
## 引文
```
@inproceedings{zhang2021designing,
title={Designing a practical degradation model for deep blind image super-resolution},
author={Zhang, Kai and Liang, Jingyun and Van Gool, Luc and Timofte, Radu},
booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
pages={4791--4800},
year={2021}
}
```

## Download dataset
:modelscope-code[]{type="git"}

显示名称：RealSRSet
许可证：Apache 2.0
媒体类型：图像
论文链接：https://arxiv.org/pdf/2103.14006v2.pdf
发布日期：2021年
发布地址：https://github.com/cszn/BSRGAN
发布机构：苏黎世联邦理工学院（ETH Zurich）、鲁汶天主教大学（Katholieke Universiteit Leuven）
标签：人脸
任务类型：图像超分辨率

---

# 数据集介绍
## 简介
本数据集包含20张真实低分辨率图像，其来源涵盖现有公开数据集与互联网公开资源。为构建更贴合实际应用场景的图像退化模型，我们结合反向摄像机图像信号处理（Image Signal Processing, ISP）流程模型与RAW图像噪声模型，通过引入不同强度的高斯噪声、采用不同质量因子的JPEG压缩操作，合成了带有真实摄像机传感器噪声的退化样本。为验证该新型退化模型的有效性，我们训练了一款深度盲ESRGAN超分辨率模型，并将其应用于经不同方式退化的合成图像与真实低分辨率图像的超分辨率重建任务。实验结果显示，该新型退化模型可显著提升深度超分辨率模型的实际应用性能，为实际单图像超分辨率（Single Image Super-Resolution, SISR）应用提供了极具竞争力的解决方案。
## 引文

@inproceedings{zhang2021designing,
title={Designing a practical degradation model for deep blind image super-resolution},
author={Zhang, Kai and Liang, Jingyun and Van Gool, Luc and Timofte, Radu},
booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
pages={4791--4800},
year={2021}
}

## 数据集下载
可通过Git方式从ModelScope代码库获取

搜集汇总

背景与挑战

背景概述

RealSRSet是一个用于图像超分辨率任务的数据集，包含20张真实的低分辨率人脸图像。它通过合成高斯噪声、JPEG压缩和摄像机传感器噪声等退化方式，旨在验证新的退化模型对深度盲超分辨率模型（如ESRGAN）的改进效果，以提高在实际应用中的性能。