NTIRE 2020 图像与视频去模糊挑战赛
本篇论文回顾了 NTIRE 2021 图像去模糊挑战赛并描述了其中的具体挑战以及两项比赛轨迹的评估结果,目标是在不同的模糊影响下从图像数据中恢复高质量的清晰图像,并总结了本次比赛中的优胜方法用于图像去模糊任务。
Apr, 2021
本文讨论了 NTIRE 和 CVPR2020 共同举办的图像去莫尔雾化挑战,分为单幅和爆发式两类不同的图像去莫尔雾化问题,评估了 14 个和 6 个不同方法的还原图像的质量,探讨了在图像和爆发式去莫尔雾化问题中现有领先的技术。
May, 2020
本文报告了 NTIRE 2023 视频增强质量评估挑战,该挑战将与 CVPR 2023 的新趋势图像恢复和增强研讨会一同举行。该挑战旨在解决视频处理领域中的一个主要问题,即增强视频的视频质量评估(VQA)。该挑战使用了感知视频增强(VDPVE)数据集,其中包含 1211 个增强视频,其中包括 600 个颜色、亮度和对比度增强的视频,310 个去模糊的视频和 301 个去抖动的视频。挑战共有 167 个注册参与者,其中 61 个参与团队在开发阶段提交了 3168 份预测结果,37 个参与团队在最终测试阶段提交了 176 份预测结果,最终有 19 个参与团队提交了模型和详细方法说明。一些方法取得了比基准方法更好的结果,获胜方法表现出卓越的预测性能。
Jul, 2023
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 NTIRE 2020 关于非均质去雾图像的挑战,重点关注解决方案及其结果,对使用非均质人工生成的 NH-Haze 数据集进行了评估,并提出的方案在图像去雾领域达到了最先进水平。
May, 2020
本论文回顾了 NTIRE 2021 年的超分辨率视频挑战赛,共 247 个和 223 个参赛者参加了赛事,14 个团队在每个赛道上竞争,以在视频 SR 任务中实现最先进的表现。主要关键词有超分辨率,计算机视觉,视频,NTIRE 2021 年挑战赛和恢复质量。
Apr, 2021
该论文旨在回顾 NTIRE 2020 关于真实图像去噪的挑战, 着重介绍新引入的数据集 SIDD+、 提出的方法以及其结果,展示在 Bayer-pattern rawRGB 和标准 RGB(sRGB)颜色空间中对图像去噪的性能进行量化评估的两个赛道,其中参赛者达到了约 250 人。22 支队伍采用了 24 种方法进行比赛,参赛团队提出的方法代表当前针对真实噪声图像的图像去噪中的最新技术表现。
May, 2020
本文介绍了 NTIRE 2022 感知图像质量评估(IQA)挑战赛,该挑战赛旨在解决感知图像处理算法的 IQA 新挑战和通过 PIPAL 数据集使用完全不同于传统失真的算法输出图像。该挑战分为两个轨道,一个是类似于以前的 IQA 挑战的全参考 IQA 轨道,另一个是专注于无参考 IQA 方法的新轨道。该挑战已有 192 和 179 个参赛者注册,其中有 7 和 8 个参赛者提交了他们的模型和实验报告。几乎所有参赛者的结果都优于现有的 IQA 方法,获胜算法表现卓越。
Jun, 2022
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