HQ-50K

HQ-50K是由中国科学技术大学创建的大型高质量图像修复数据集，包含50,000张具有丰富纹理细节和语义多样性的高质量图像。该数据集考虑了数据规模、分辨率、压缩率、纹理细节和语义覆盖五个方面，旨在解决现有图像修复数据集在某些方面的不足。HQ-50K适用于多种图像修复任务，如超分辨率、降噪、去JPEG压缩伪影和去雨，通过广泛的实验证明，该数据集能显著提升各种图像修复任务的性能。HQ-50K is a large-scale high-quality image restoration dataset developed by the University of Science and Technology of China (USTC). It contains 50,000 high-quality images with rich texture details and semantic diversity. This dataset takes into account five core dimensions: data scale, resolution, compression ratio, texture details and semantic coverage, aiming to address the shortcomings of existing image restoration datasets in certain aspects. HQ-50K is applicable to a variety of image restoration tasks, such as super-resolution, denoising, JPEG compression artifact removal and rain removal. Extensive experiments have demonstrated that this dataset can significantly improve the performance of various image restoration tasks.

搜集汇总

数据集介绍

构建方式

HQ-50K数据集的构建充分考虑了数据规模、图像分辨率、压缩率、纹理细节和语义覆盖这五个方面。首先，从互联网和现有的大型数据集中收集了大量图像，并使用预训练的CLIP模型对图像进行分类，以确保语义覆盖的平衡。然后，通过一系列过滤策略，去除不符合高分辨率、低压缩率、丰富纹理细节等要求的图像。最终，筛选出50,000张高质量图像，并额外收集了1,250张测试图像，涵盖了各个语义子类别。

特点

HQ-50K数据集具有以下特点：1）大规模：包含50,000张高质量图像，是目前为止规模最大的图像修复数据集；2）高分辨率：图像平均像素数为2,509,509，分辨率远高于现有数据集；3）低压缩率：图像平均bpp值为12.86，压缩率较低，信息损失小；4）丰富纹理细节：图像高频成分比例高，纹理细节丰富；5）语义多样性：图像涵盖了户外、室内和人工三大类，语义覆盖范围广且分布平衡。

使用方法

HQ-50K数据集可以用于模拟不同类型的图像退化过程，例如超分辨率、去噪、去压缩和去雨等，从而训练和评估图像修复模型。此外，数据集还提供了1,250张测试图像，用于细粒度评估模型在不同语义类别和频率范围内的性能。

背景与挑战

背景概述

在图像理解领域，大规模高质量数据集对于推动技术发展至关重要。然而，在低级图像修复领域，尽管已经收集了一些用于特定修复任务的数据集，例如超分辨率、去噪和去雨，但尚未开发出专门的大规模数据集。针对这一现状，本文提出了一个名为HQ-50K的新的大规模、高质量的图像修复数据集，该数据集包含50,000张具有丰富纹理细节和语义多样性的高质量图像。通过对现有图像修复数据集从五个不同角度（数据规模、分辨率、压缩率、纹理细节和语义覆盖）的分析，我们发现所有这些数据集在某些方面都存在不足。相比之下，HQ-50K在数据收集过程中考虑了这五个方面，并满足了所有要求。此外，本文还提出了一种新的退化感知专家混合模型（DAMoE），该模型能够使单个模型处理多种退化类型和未知级别。大量实验表明，HQ-50K在各种图像修复任务（例如超分辨率、去噪、去雨和去压缩）上始终能够提高性能。此外，我们提出的DAMoE模型在HQ-50K上训练后，优于现有为多个修复任务和级别设计的最先进的统一模型。

当前挑战

尽管HQ-50K在图像修复领域取得了突破性进展，但仍面临一些挑战。首先，尽管HQ-50K包含50,000张图像，但与其他领域的大型数据集相比，其规模仍然较小。其次，虽然HQ-50K在数据收集过程中考虑了多个方面，但仍可能存在其他未考虑的因素，这些因素可能会影响模型的性能。此外，尽管DAMoE模型在多个修复任务上取得了优异的性能，但将其应用于实际场景仍需要进行进一步的研究和探索。

常用场景

经典使用场景

HQ-50K数据集作为大规模、高质量的图像恢复数据集，为图像恢复领域的研究提供了重要的基础。该数据集包含50,000张具有丰富纹理细节和语义多样性的高质量图像，并考虑了数据规模、图像分辨率、压缩率、纹理细节和语义覆盖五个方面，克服了现有图像恢复数据集的不足。HQ-50K可用于各种图像恢复任务，如超分辨率、去噪、去压缩和去雨，通过模拟相应的退化过程来训练和评估图像恢复模型。

衍生相关工作

基于HQ-50K数据集，研究人员提出了新的图像恢复模型DAMoE（Degradation-Aware Mixture of Expert），该模型能够通过混合专家机制动态调整网络推理过程，适应不同的恢复任务。DAMoE模型在多种图像恢复任务上取得了优异的性能，并优于现有的统一恢复模型。此外，HQ-50K数据集也为其他相关研究提供了重要的参考和启示，推动了图像恢复领域的进一步发展。

数据集最近研究

最新研究方向

HQ-50K 数据集针对图像恢复领域存在的数据集规模、分辨率、压缩率、纹理细节和语义覆盖等方面的不足，提出了一个包含 50,000 张高质量图像的大规模数据集。该数据集在多个图像恢复任务上均取得了显著的性能提升，如超分辨率、去噪、去压缩和去雨等。此外，该研究还提出了一个新的退化感知专家混合模型 (DAMoE)，该模型能够处理多种退化类型和未知级别的图像恢复任务，并在多个图像恢复任务上优于现有的统一模型。

相关研究论文

• HQ-50K: A Large-scale, High-quality Dataset for Image Restoration

  中国科学技术大学 · 2023年