NTIRE 2021 感知图像质量评估挑战赛
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
该论文报告了 NTIRE 2024 年 AI 生成内容质量评估挑战,该挑战受到了图像和视频处理领域中的一个主要挑战的关注,即 AI 生成内容的图像质量评估和视频质量评估。
Apr, 2024
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
本文介绍了最新的反感知 (IR) 算法基于生成对抗网络 (GANs),但其定量评估与视觉感知质量存在不一致性。为了回答现有的 IQa 方法能否客观评价最近的 IR 算法和促进 IQa 方法的发展,作者提出了一个大规模的 IQa 数据集 PIPAL,并针对 GAN 基础的 IR 算法,提出了一些新的基准方法和对空间错位改进的 IQa 网络。
Nov, 2020
该论文回顾了 NTIRE 2024 人像质量评估挑战,重点介绍了提出的解决方案和结果,该挑战旨在获得能够估计真实人像照片的感知质量的高效深度神经网络,并能够推广到各种场景和光照条件(室内、室外、低光源)、运动、模糊和其他具有挑战性的条件。挑战活动中有 140 个参与者注册,其中 35 人在挑战期间提交了结果。本文展示了排名前 5 个提交结果的性能,作为目前人像质量评估的最新进展。
Apr, 2024
本文旨在回答两个问题:(1)现有的图像质量评估方法是否能客观评估最近的图像修复(IR)算法?(2)在打破当前基准的重点下,我们是否获得了更好的 IR 算法?为了回答这些问题并推动 IQA 方法的发展,我们贡献了一个大规模的 IQA 数据集,称为感知图像处理算法(PIPAL)数据集。该数据集包括基于 GAN 的方法的结果。通过 PIPAL,我们为 IQA 和超分辨方法提供了新的基准。实验表明,现有的 IQA 方法不能公平评估基于 GAN 的 IR 算法。最后,我们通过引入抗锯齿池化来改善 IQA 网络在基于 GAN 的扭曲上的性能,并取得了显著效果。
Jul, 2020
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 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
该研究回顾了 NTIRE 2024 挑战赛中的图像恢复模型 (RAIM) 在野外的应用。该挑战建立了一个野外图像恢复的基准,包括真实应用中的各种场景中有 / 无参考真实图像。参与者需要恢复复杂和未知的退化的真实拍摄图像,期望在恢复结果中具有生成感知质量和保真度。挑战包括了两个任务。第一个任务使用真实参考数据对,可以进行定量评估。第二个任务使用非配对图像,并进行了全面的用户研究。该挑战吸引了 200 多个注册者,其中 39 人提交了超过 400 份结果。排名靠前的方法改进了最先进的恢复性能,并获得了 18 位评委的一致认可。所提出的数据集可在此 https URL 找到,该挑战的主页可在此 https URL 找到。
May, 2024