IR275K

IR275K是由杭州高等研究院、中国科学院上海技术物理研究所及中国科学院大学联合构建的红外多帧超分辨率基准数据集，旨在为资源受限的红外遥感场景提供标准化的评估框架。该数据集共包含594个红外视频序列，总计275,196帧，数据来源于AnyTSR++及Science Data Bank等公开红外资源，涵盖了陆地、海洋、城市及低空传感等多种场景，并保留了热对比度、传感器噪声及平台运动等红外成像特性。其构建过程通过严格的筛选标准剔除了静态、严重模糊及运动不连续的序列，并设计了针对对比度-噪声耦合、噪声域差距和运动鲁棒性的受控训练-评估偏移。该数据集主要应用于红外多帧超分辨率算法的精度与效率评估，致力于解决红外遥感中因探测器分辨率、功耗及下行带宽限制所引发的图像增强难题，为轻量化模型在复杂红外条件下的性能验证提供了可复现的基础平台。IR275K is a benchmark dataset for infrared multi-frame super-resolution, jointly constructed by Hangzhou Institute for Advanced Study, Shanghai Institute of Technical Physics of the Chinese Academy of Sciences, and University of Chinese Academy of Sciences. It aims to provide a standardized evaluation framework for resource-constrained infrared remote sensing scenarios. This dataset contains 594 infrared video sequences, totaling 275,196 frames, with data sourced from public infrared resources such as AnyTSR++ and Science Data Bank. It covers various scenarios including land, ocean, urban, and low-altitude sensing, and retains key infrared imaging characteristics such as thermal contrast, sensor noise, and platform motion. During its construction, strict screening criteria were applied to eliminate static, severely blurred, and motion-discontinuous sequences, and controlled training-evaluation offsets targeting contrast-noise coupling, noise domain gap, and motion robustness were designed. This dataset is mainly used for evaluating the accuracy and efficiency of infrared multi-frame super-resolution algorithms, dedicated to solving the image enhancement challenges in infrared remote sensing caused by limitations of detector resolution, power consumption, and downlink bandwidth, and provides a reproducible foundational platform for performance verification of lightweight models under complex infrared conditions.

原始信息汇总

数据集概述：IR275K

IR275K 是一个专为红外多帧超分辨率（IR-MFSR）设计的基准数据集。它包含 594 个精选的红外视频序列，总计 275,196 帧，并提供了固定的序列级训练/验证/测试划分，用于可重复的 4 倍超分辨率（x4）评估。

核心任务与规格

项目	描述
数据集名称	IR275K
目标任务	红外多帧超分辨率（IR-MFSR）
缩放因子	x4
序列数量	594
总帧数	275,196
空间分辨率	640 x 512 像素
模型输入（多帧）	三张连续的低分辨率红外帧
模型输出（目标）	高分辨率的中心帧
低分辨率（LR）生成方法	双三次下采样（Bicubic downsampling）
评估指标	单通道图像上的 PSNR 和 SSIM
边界裁剪	评估前裁剪边界 10 个像素

数据集划分统计

数据集采用严格的序列级划分，确保来自同一原始序列的帧不会出现在不同分区中。

划分	序列数	帧数	最短序列	最长序列	平均序列长度	序列长度中位数
训练集	261	192,776	445	5,625	738.6	548
验证集	111	27,576	17	445	248.4	300
测试集	222	54,844	16	432	247.0	300
总计	594	275,196	16	5,625	463.3	400

测试重点与特殊性

IR275K 旨在暴露红外视频中常见但易被随机数据划分所掩盖的失效模式：

• 弱热对比度：红外信号强度取决于目标与背景的温差。
• 时间噪声：测试序列包含更重的时间噪声上尾，提供受控的噪声域差距。
• 帧间位移：验证集和测试集涵盖比训练集更广的运动范围，用于测试在更难匹配条件下的鲁棒性。
• 弱纹理区域：均匀的陆地或海洋场景要求无伪影重建，不产生幻觉结构。
• 结构化热边界：城市场景和低空场景测试算法在保留边缘和局部强度过渡方面的能力。

目录结构

IR275K/ train/ HR/ LR/ val/ HR/ LR/ test/ HR/ LR/ meta/ train_sequences.txt val_sequences.txt test_sequences.txt sequence_metadata.csv scripts/ build_meta.py evaluate.py configs/

• meta/ 目录包含固定的序列级划分文件和序列元数据。
• 工具脚本可使用 python scripts/build_meta.py 从数据集树重新生成元数据。

评估协议

1. 使用 x4 超分辨率。
2. 通过双三次下采样从高分辨率红外帧生成低分辨率输入。
3. 多帧方法使用三张连续低分辨率帧；单帧方法使用一张。
4. 重建高分辨率中心帧。
5. 在单通道重建图像上计算 PSNR 和 SSIM。
6. 计算指标前，裁剪边界 10 个像素。
7. 报告当 batch size 为 1 时的运行时间、参数量（parameters）和 FLOPs。

数据来源

IR275K 由来自公开红外数据源的图像精选而成：

• AnyTSR++: Prompt-Oriented Any-Scale Thermal Super-Resolution for Unmanned Aerial Vehicle.
• 红外视频卫星空中运动目标检测数据集（Science Data Bank, CSTR: 31253.11.sciencedb.j00240.00077）。
• 复杂背景下小红外运动目标半合成检测数据集（Science Data Bank, CSTR: 31253.11.sciencedb.j00001.00231）。

下载

完整的 IR275K 图像数据当前可通过临时百度网盘链接获取：

• 文件: DATASET_IR275K.tar
• 百度网盘: https://pan.baidu.com/s/1rlV_j1dUqRxSNyYB9JCd9A
• 提取码: 4rh9

许可

• 代码、元数据、固定划分文件和评估脚本: MIT 许可。
• 图像数据: 来源于公开第三方红外数据集，受原始数据提供者的许可和使用条款约束。

引用

使用 IR275K 时，请引用以下论文（待论文正式发表后请更新 BibTeX）：

bibtex @article{deng2026ir275k, title={IR275K: A Benchmark for Infrared Multi-Frame Super-Resolution Toward Efficient Remote Sensing}, author={Deng, Jie and Wang, Heyang and Wang, Changxin and Shen, Junkai and Chen, Hongyi and He, Zhiping and Qi, Hongxing and Zhang, Xudong and Wang, Jianyu}, year={2026} }

联系

如有问题，请联系 Jie Deng: [e-mail]

搜集汇总

数据集介绍

构建方式

IR275K数据集的构建基于三个公开红外视频源，通过系统化的筛选标准剔除全静态、严重模糊及帧间位移过大的序列，最终保留594个视频片段，共计275,196帧，空间分辨率统一为640×512像素。所有低分辨率输入均通过对高分辨率真值进行×4双三次下采样生成。数据集在序列级别上划分为训练集（261序列）、验证集（111序列）和测试集（222序列），确保同一序列的帧不跨分区出现。特别地，分区设计引入了受控的难度偏移：测试集刻意包含更高噪声水平和更大帧间位移的序列，以模拟红外遥感中探测器温度漂移、平台振动等实际失效模式。

特点

IR275K的核心特点在于其针对红外多帧超分辨率的独特压力测试设计。数据集捕获了弱热对比度（0.009至0.32）、强传感器噪声（0.006至0.26）以及大帧间位移（测试集均值2.86像素，最大26.4像素）这三种红外特有的成像条件，并通过序列级分区将这些因素从训练到测试进行受控偏移，而非随机分布。此外，数据集自然保留了热对比度与时间噪声的耦合关系，避免了人工构造的不真实组合。场景覆盖陆地、海洋、城市和低空遥感四类，全面考验模型在不同热平滑度和边缘锐度下的重构能力。

使用方法

使用IR275K时，需遵循标准化评估协议：任务为从连续低分辨率红外输入中对中心帧进行×4上采样。单图像方法使用单帧输入，多帧方法使用三帧连续输入。所有低分辨率帧均通过双三次下采样生成。评价指标包括PSNR和SSIM（在裁剪10像素边界后的单通道重建上计算），同时必须报告运行时间、参数量和FLOPs，以综合衡量精度与效率。官方提供固定分区、评估脚本和参考配置，确保结果可完全复现。当前版本仅采用合成下采样退化模型，未来将融入真实传感器效应以拓展评估维度。

背景与挑战

背景概述

IR275K是一个专为红外多帧超分辨率（MFSR）设计的基准数据集，由中国科学院杭州高等研究院与上海技术物理研究所的研究团队于2026年创建。该数据集包含594个红外视频序列，共计275,196帧，旨在解决红外遥感领域中因探测器分辨率受限、功率预算紧张及下行链路带宽狭窄所导致的空间增强难题。与现有的可见光或单帧超分辨率基准（如REDS、Vimeo-90K）不同，IR275K保留了红外成像特有的弱热对比度、传感器噪声、稀疏纹理以及平台导致的帧间变化特性，通过序列级数据划分和可控的难度偏移（如测试集噪声更高、运动更大），为评估红外MFSR方法的重建质量、计算效率与泛化鲁棒性提供了标准化平台。该基准的发布填补了红外MFSR领域缺乏通用测试集与可重复性协议的空白，对推动资源受限星载红外载荷的高效处理具有重要影响力。

当前挑战

IR275K所解决的核心领域问题是在弱纹理、高噪声与大位移共存的红外视频条件下，实现高效且鲁棒的多帧超分辨率重建。传统方法依赖显式运动对齐，但在红外场景中，热均匀性导致对应点难以可靠估计，而随机划分的数据集常掩盖此类失败模式。构建过程中面临三大挑战：其一，需要从多个公开红外数据源中筛选并去除静态、严重模糊或帧间突变序列，确保保留有效亚像素信息；其二，设计序列级划分以引入对照明-噪声耦合、噪声域差异及帧间位移的三种可控压力测试，使训练与评估分布自然偏移，暴露模型在低对比度、高噪声与大幅运动下的脆弱性；其三，构建可重复的×4评估协议，要求所有方法在统一输入尺寸与度量标准下比较，并强制报告计算开销，以适配星载平台资源约束。

常用场景

经典使用场景

IR275K作为红外多帧超分辨率的基准数据集，其经典使用场景聚焦于评估和比较不同算法在红外视频序列上的空间增强能力。该数据集包含594段精心筛选的红外视频序列，总计275,196帧，覆盖陆地、海洋、城市及低空城市遥感等多种场景。研究者利用其预设的序列级训练/验证/测试划分和可复现的×4评估协议，系统性地测试模型在弱热对比、传感器噪声以及平台运动导致的帧间位移等红外特有条件下的重建性能，为红外多帧超分辨率研究提供了标准化的实验平台。

衍生相关工作

IR275K的发布催生了一系列衍生的经典工作，特别是在隐式融合与状态空间模型(SSM)的结合方向。作为基准的初始架构探针，CGMamba在其上验证了二维旋转位置编码(2D RoPE)与中心引导交叉Mamba(CGCM)相结合的轻量化设计，揭示了空间锚定对于稳定红外条件下跨帧门控机制的关键作用。这一发现启发了后续基于SSM的红外超分辨率研究，例如GPSMamba和IRSRMamba等单帧参考方法，以及面向齐射超分辨率的QMambaBSR和面向事件的MamEVSR框架，共同推动了高效、空间感知的隐式融合架构在红外遥感领域的系统发展。

数据集最近研究

最新研究方向

IR275K作为首个面向红外远程传感的多帧超分辨率基准数据集，填补了该领域缺乏标准化评估平台的空白。当前研究前沿聚焦于轻量化状态空间模型（SSM）在红外弱纹理、高噪声和大幅帧间位移条件下的隐式融合能力，CGMamba通过二维旋转位置编码和中心引导交叉Mamba机制实现了空间锚定的隐式重构，在仅10.90M参数和112.14G FLOPs下达到33.19dB PSNR，显著超越传统单帧方法。该数据集嵌入的三重压力测试——对比度-噪声耦合、噪声域迁移和运动鲁棒性——精准暴露了红外多帧超分在实际部署中的核心瓶颈，为卫星星座等资源受限载荷的智能感知提供了可复现的评价基石。这一工作标志着红外图像超分从碎片化私有协议迈向标准化统一验证的关键转折，推动了轻量化SSM在空间遥感中的实用化进程。

相关研究论文

• IR275K: A Benchmark for Infrared Multi-Frame Super-Resolution Toward Efficient Remote Sensing

  杭州高等研究院; 中国科学院上海技术物理研究所; 中国科学院大学 · 2026年