近年来，超分辨率（SR）技术作为计算机视觉领域的核心底层技术之一，已广泛应用于高清视频转码、历史影像修复、医疗影像增强、卫星遥感图像复原、AIGC内容生成等多个数字产业场景。伴随产业对超分内容精度要求的持续提升，现有超分辨率模型生成内容中出现的模糊、锯齿、色彩偏移、伪纹理等视觉伪影，已成为制约超分技术规模化落地的核心痛点。过去行业内缺乏针对超分伪影的细粒度标注数据，现有图像质量评估方法大多仅能给出整体质量评分，无法区分具体伪影类型、缺乏可解释性，使得算法优化难以针对性开展，行业对标准化的细粒度超分质量标注数据集的需求日益迫切。
正是瞄准这一行业共性痛点，莫斯科国立大学研究团队正式发布大规模超分辨率图像质量标注数据集SR-Ground，该数据集于2026年5月20日首发于arXiv平台，专门针对现代超分辨率模型产生的视觉伪影进行细粒度分割标注。据介绍，SR-Ground数据集共包含63000张标注图像，覆盖6类常见超分辨率伪影类别，所有数据均来源于1000张原始图像，经过多种降级处理和9种前沿超分辨率算法生成，覆盖当前主流超分模型的输出特征。为保障标注质量，该数据集的创建采用迭代式数据生成与精炼流程，结合自动标注与大规模众包验证机制，有效保障了标注结果的高质量与一致性，为后续算法训练提供了可靠的数据源。
从应用价值来看，SR-Ground数据集主要面向图像质量评估与超分辨率算法优化两大核心领域。在超分辨率伪影分割场景下，算法研发人员可基于该数据集训练细粒度伪影识别模型，精准定位不同类型的伪影特征，针对性调整超分模型的参数结构，大幅提升伪影消除效率；在图像质量评估场景下，该数据集可支撑可解释性超分质量评估体系的构建，改变过去仅能输出整体质量分数的评估逻辑，实现对超分内容的质量问题可追溯、可定位。除此之外，该数据集还可广泛应用于视频平台4K/8K超分转码工具优化、医疗影像超分增强的质量校验、卫星遥感超分图像的地物识别精度提升、老照片老视频修复的质量管控等多个产业场景，为超分辨率技术的产业落地提供核心数据支撑。该数据集的发布，也填补了全球超分辨率领域细粒度伪影标注数据的空白，进一步完善了计算机视觉领域的底层数据要素供给，推动超分辨率技术从实验室走向规模化产业应用的进程。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)