近年来，超分辨率（SR）技术作为计算机视觉领域的核心基础技术之一，已广泛落地于影视内容高清修复、安防监控低质画面增强、医疗影像精度提升、VR/AR实时渲染等多个下游场景，行业对超分辨率模型输出效果的评估需求持续攀升。但传统二值伪影检测方法普遍存在忽视人类视觉感知差异的痛点：部分经机器检测合格的超分辨率输出图像，人眼观察仍存在边缘模糊、纹理畸变、色彩偏移等可感知伪影，直接影响了超分辨率技术的落地体验。
在此背景下，莫斯科国立大学计算机视觉研究团队发布的SR-Prominence感知加权超分辨率伪影评估数据集套件，为行业提供了首个对齐人类感知的超分辨率伪影检测精细化基准。本次发布的数据集共包含来自DeSRA、Open Images和Urban100三大公开数据源的3935个伪影掩码，覆盖自然图像、城市场景等结构化场景、高分辨率真实拍摄场景等多类型数据来源。数据集采集阶段覆盖15种当前主流超分辨率方法生成的内容，通过众包标注协议收集了不同观察者对伪影区域的显著性标签，同时搭配自动掩码采集与预处理流程，通过形态学操作进一步优化了视觉评估的匹配度，有效解决了传统评估体系与人类感知脱节的核心问题，为超分辨率模型的感知质量评估与伪影检测提供了可靠的参照标准。
从应用价值来看，SR-Prominence数据集可广泛应用于超分辨率算法研发阶段的性能校准、感知图像质量评估体系搭建、消费级电子设备的影像超分功能优化等多个方向：在影视内容制作领域，可帮助算法团队快速定位4K/8K修复过程中产生的人眼可感知伪影，提升修复内容质量；在安防领域，可用于低清监控画面转高清输出的质量检测，避免伪影影响人脸识别、行为分析等下游算法的准确率；在医疗领域，可辅助优化病理影像、CT影像的超分辨率增强算法，避免伪影干扰临床诊断判断；在消费电子领域，可用于手机、平板等设备的影像超清处理功能的效果校准，提升用户拍照、观影的视觉体验。
作为当前全球范围内少数覆盖多场景、对齐人类感知的超分辨率专项数据集，SR-Prominence的发布也为AI视觉领域的数据集建设提供了新的参考思路，进一步完善了计算机视觉基础研究的基准工具体系，对推动超分辨率技术的规模化落地、助力视觉AI数据要素市场的标准化建设均有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)