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

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

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

Good/Bad data set

成像质量评估

合成图像检测

The Good/Bad data set is used for the image-quality research, containing unsuccessfully and successfully synthetic samples.

NIAID Data Ecosystem110