本文回顾了 AIM 2020 挑战赛中关于高效单图像超分辨率的提出的解决方案和结果，挑战任务是基于一组低分辨率图像和相应的高分辨率图像的先前实例对输入图像进行 4 倍放大的超分辨率，目标是确保至少保持 MSRResNet 的 PSNR 的同时降低如运行时间、参数计数、活动、内存消耗等一些方面，同时至少降低一个或多个方面，该挑战共有 150 个注册参与者，25 个团队提交了最终结果，本文总结了高效单图像超分辨率的最新进展。

Sep, 2020

本文评估了 AIM 2019 关于真实世界中的超分辨率的挑战，着重于参与方法和最终结果，对源域和目标域的图像进行超分辨率处理，挑战了真实世界中缺少高低分辨率图像对训练的数据，并构造了一些现实的图像退化用于源输入图像及量化评估.

Nov, 2019

本文概述了 NTIRE 2022 有关高效单幅图像超分辨率的挑战，重点在于提出的解决方案和结果。比赛的目标是设计一个单幅图像超分辨率网络，使其在保持 29.00dB 的 PSNR 的同时，在几个度量标准，包括运行时间，参数，FLOPs，激活和内存消耗等方面具有改进的效率。随着 303 名注册参与者和 43 个队伍的参赛，他们评估了高效单幅图像超分辨率的最新技术。

May, 2022

这篇论文回顾了 NTIRE 2020 关于真实世界超分辨率的挑战，重点关注参与方法和最终结果。该挑战旨在提高超分辨率领域的技术水平，提供了包括图像处理伪影和智能手机图像两个领域的评估标准，并吸引了 22 个团队的参与。

May, 2020

本文回顾了第一届 AIM 视频时间超分辨率（帧插值）挑战赛，并重点介绍了提出的解决方案和结果。该竞赛在涉及各种类型和强度的运动的 15 fps 视频序列中，要求挑战者通过估计中间帧提供更高帧率（60 fps）的视频序列。使用从手持相机中捕获的各种视频制成的 REDS VTSR 数据集进行培训和评估。在竞争中，有 62 位注册参与者，有 8 个团队参加了最终的测试阶段。挑战获胜方法达到了视频时间超分辨率的最高水平。

May, 2020

本文介绍了 NTIRE 2020 关于知觉极限超分辨率的挑战，重点关注了提出的解决方案和结果。挑战任务旨在基于先前的低和高分辨率图像集合对输入图像进行 16 倍的超分辨率处理，通过设计网络实现最佳知觉质量和接近真实效果的高分辨率结果，并评估了单图像超分辨率的最新技术水平。有 280 名注册参赛者，19 个团队提交了最终结果。

May, 2020

这篇论文报告了 2018 年 PIRM 挑战赛，其中 21 个参赛团队提出的算法都取得了较好的结果，同时对流行的图像质量测量方法进行了分析和结论，并总结了当前超分辨率的趋势。

Sep, 2018

该论文综述了 NTIRE 2024 挑战赛，重点关注高效单图像超分辨率（ESR）解决方案及其结果，并提供了基于低分辨率和对应高分辨率图像对的放大因子为 x4 的输入图像进行超分辨率处理的任务描述。

Apr, 2024

本文总结了第一届 NTIRE 立体影像超分辨率挑战赛，该挑战赛通过标准双三次降采样实现了在立体影像超分辨率问题上的新解决方案和结果，最终有 21 个团队参加了测试，其中 20 个团队的 PSNR (RGB) 得分优于基准线，该挑战赛为立体影像超分辨率建立了新的基准。

Apr, 2022

本文回顾了 NTIRE 2024 挑战赛关于图像超分辨率（$ imes$4）的研究，突出了提出的解决方案和获得的结果；该挑战要求利用先前的信息从低分辨率图像生成相应的 4 倍放大的高分辨率图像；其目标是推动最先进的超分辨率性能设计 / 解决方案，对计算资源（如模型大小和 FLOPs）或训练数据没有限制；此挑战通过在 DIV2K 测试数据集上使用 PSNR 度量来评估性能；比赛吸引了 199 名注册者，其中有 20 个团队提交了有效的参赛作品；这个集体努力不仅推动了单图像超分辨率的性能界限，还提供了该领域当前趋势的全面概述。

Apr, 2024