一、背景

底层视觉的发展是否能够让我们真正地看清这个世界呢？

在单图超分中，非盲超分已经发展得较为成熟了，而盲超分和真实超分仍然有很多问题尚未解决。在我看来，盲超分只是真实超分的一个过渡，由于真实世界中退化多而复杂，现有的方法不可能穷尽所有退化，那么必然会带来一系列问题，因此真实超分的路还很长。

封面与该图均选自RealBasicVSR(CVPR 2022)

二、整理盲超分辨率数据集

数据集：DIV2K

• 发布时间：2017-07

• 数据集内容：DIV2K数据集是一个用于图像超分辨率研究的高质量图像数据集，包含800张高分辨率图像，分为800张训练图像和100张验证图像。该数据集主要用于训练和评估超分辨率算法，特别是用于提升图像分辨率的技术。

• 数据集地址：DIV2K|图像超分辨率数据集|机器视觉数据集

数据集：Flickr2K

• 发布时间：2016-09

• 数据集内容：Flickr2K数据集是一个用于超分辨率任务的图像数据集，包含2650张高分辨率图像。这些图像主要用于训练和评估超分辨率算法，特别是用于将低分辨率图像转换为高分辨率图像的研究。

• 数据集地址：Flickr2K|图像处理数据集|计算机视觉数据集

数据集：Set5

• 发布时间：2013-01

• 数据集内容：Set5是一个用于超分辨率图像处理的小型基准数据集，包含5张自然图像，常用于评估超分辨率算法的效果。

• 数据集地址：Set5|图像超分辨率数据集|机器视觉数据集

数据集：Manga109

• 发布时间：2017-09

• 数据集内容：Manga109是一个包含109部日本漫画的数据集，每部漫画包含多个章节，每个章节包含多页图像。数据集还包括每页图像的标注信息，如人物边界框、人物属性等。

• 数据集地址：Manga109|漫画研究数据集|图像处理数据集

数据集：VOC2012

• 发布时间：2012-01

• 数据集内容：VOC2012数据集是一个用于图像识别和分类的基准数据集，包含超过11,000张标注图像，涵盖20个不同的对象类别。该数据集主要用于训练和评估计算机视觉模型，特别是目标检测和图像分割任务。

• 数据集地址：VOC2012|图像处理数据集|计算机视觉数据集

数据集：ImageNet

• 发布时间：2009-01

• 数据集内容：ImageNet是一个大规模的图像数据库，包含超过1400万张标注图像，涵盖超过2万个类别。该数据集主要用于计算机视觉研究，特别是图像分类和物体识别任务。

• 数据集地址：ImageNet|计算机视觉数据集|图像识别数据集

数据集：COCO

• 发布时间：2014-09

• 数据集内容：COCO（Common Objects in Context）数据集是一个大规模的对象检测、分割和字幕生成数据集。它包含了超过33万张图片，其中20万张图片带有标注，涵盖了80个常见对象类别。数据集还包括了图片的实例分割、语义分割和关键点检测信息。

• 数据集地址：COCO|对象检测数据集|图像分割数据集

数据集：CelebA

• 发布时间：2015-04

• 数据集内容：CelebA（CelebFaces Attributes Dataset）是一个大规模的人脸属性数据集，包含超过20万张名人图片，每张图片标注了40种不同的面部属性，如性别、年龄、表情等。该数据集广泛用于人脸识别、属性预测和图像生成等研究领域。

• 数据集地址：CelebA|人脸识别数据集|计算机视觉数据集

数据集：Places365

• 发布时间：2016-03

• 数据集内容：Places365数据集是一个大规模的场景识别数据集，包含超过1000万张图片，涵盖365个不同的场景类别。该数据集旨在推动场景识别和理解的研究，适用于计算机视觉和机器学习任务。

• 数据集地址：Places365|计算机视觉数据集|图像识别数据集

数据集：OpenImages

• 发布时间：2018-04

• 数据集内容：OpenImages是一个大规模的图像数据集，包含超过900万张图像，每张图像都用边界框标注了对象实例，并且提供了丰富的元数据。数据集还包括图像级别的标签、视觉关系和分割掩码。

• 数据集地址：OpenImages|计算机视觉数据集|图像识别数据集

数据集：ADE20K

• 发布时间：2017-01

• 数据集内容：ADE20K是一个用于场景感知、分割和物体识别的图像数据集。它包含了超过20,000张图像，每张图像都进行了详细的语义分割标注，涵盖了150个不同的语义类别。

• 数据集地址：ADE20K|计算机视觉数据集|图像分割数据集

数据集：NYU Depth V2

• 发布时间：2012-04

• 数据集内容：NYU Depth V2数据集包含1449张RGB-D图像，这些图像来自464个不同的室内场景，每张图像都配有深度信息。该数据集广泛用于计算机视觉和深度学习研究，特别是在场景理解、物体识别和深度估计等领域。

• 数据集地址：NYU Depth V2|计算机视觉数据集|室内导航数据集

数据集：KITTI

• 发布时间：2012-09

• 数据集内容：KITTI数据集是一个广泛用于自动驾驶和计算机视觉研究的数据集，包含多种传感器数据，如立体摄像头、激光雷达和GPS/IMU数据。它提供了丰富的标注信息，包括物体检测、跟踪、语义分割等任务的标注。

• 数据集地址：KITTI|自动驾驶数据集|计算机视觉数据集

数据集：Cityscapes

• 发布时间：2016-04

• 数据集内容：Cityscapes数据集是一个用于语义城市街景分割的大规模数据集，包含50个城市的街景图像。数据集主要用于训练和评估计算机视觉模型，特别是用于自动驾驶和机器人导航的模型。数据集包含高分辨率图像，并标注了30个语义类别，包括道路、行人、车辆等。

• 数据集地址：Cityscapes|自动驾驶数据集|实时语义分割数据集

数据集：DAVIS

• 发布时间：2017-04

• 数据集内容：DAVIS（Densely Annotated VIdeo Segmentation）数据集是一个用于视频对象分割任务的数据集。它包含了50个高质量的视频序列，每个视频序列都带有密集的对象分割注释，涵盖了多种动态场景和对象类别。该数据集旨在推动视频对象分割技术的发展，特别是在处理复杂和动态场景中的对象分割问题。

• 数据集地址：DAVIS