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 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

本文回顾了 AIM 2019 关于基于约束的单张图像超分辨率的挑战，主要关注提出的解决方案和结果，挑战有三个轨道，每个轨道都有数十个参与者，评估了单张图像超分辨率领域的最新技术水平。

Nov, 2019

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

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

本文介绍了第二届 AIM 学习的 ISP 挑战赛的参赛队伍根据所提出的解决方案和结果。参赛者必须将由华为 P20 手机拍摄的原始低质量 RAW 图像映射到使用佳能 5D DSLR 相机获得的相同照片，该任务涵盖了许多复杂的计算机视觉子任务，例如图像重采样，去噪，白平衡，颜色和对比度校正等。挑战使用精度分数（PSNR 和 SSIM）和用户研究测量的解决方案的感知结果对目标指标进行评估。提出的解决方案显着改善了基线结果，定义了实际图像信号处理流水线建模的最新技术成果。

Nov, 2020

对 NTIRE 2024 原始图像超分辨率挑战赛及其结果进行综述，该挑战的目标是通过 2 倍放大 RAW Bayer 图像来探索现代图像信号处理中 RAW 超分辨率的新方法。其中，参与者注册了 230 个，挑战期间提交了 45 个结果，笔者对前 5 名的表现进行了回顾，作为 RAW 图像超分辨率领域现有技术水平的指标。

Apr, 2024

本文介绍了 AIM 2022 挑战赛关于 Instagram 滤镜去除的方法和结果，对应用深度学习策略、去除滤镜产生负面影响的问题进行了研究和解决，基于 PSNR 指标对 9 个团队提出的方案进行了比较分析，得出定性结果。

Oct, 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