Il benchmark iPhoneBlur rivela le lacune nelle prestazioni di motion deblurring
I ricercatori hanno introdotto un nuovo benchmark chiamato iPhoneBlur, volto a valutare il motion deblurring su dispositivi mobili con diversi livelli di difficoltà. Questo dataset contiene 7.400 coppie di immagini derivate da video ad alta frequenza di fotogrammi girati con l'iPhone 17 Pro in vari contesti reali. Le immagini sono categorizzate in tre gruppi: Facile, Medio e Difficile, utilizzando un windowing temporale adattivo guidato da PSNR, che ha rivelato un aumento di 2,2 volte della magnitudine del flusso ottico tra le categorie. Ogni coppia di immagini è accompagnata da metadati estesi per analizzare metodi di restauro consapevoli dell'ISP e adattivi alla difficoltà. L'analisi spettrale mostra che la sfocatura simulata rispecchia il degrado da movimento reale. I test su sei architetture hanno evidenziato un calo di prestazioni costante di 7-9 dB attraverso i livelli di difficoltà, sottolineando la necessità di tecniche di deblurring migliori.
Fatti principali
- iPhoneBlur è un benchmark stratificato per difficoltà per il motion deblurring su dispositivi consumer.
- Il dataset contiene 7.400 coppie di immagini da video dell'iPhone 17 Pro.
- I campioni sono categorizzati in livelli Facile, Medio e Difficile.
- La stratificazione è convalidata da un aumento di 2,2 volte della magnitudine del flusso ottico tra i livelli.
- Ogni campione include metadati per strategie consapevoli dell'ISP e adattive alla difficoltà.
- L'analisi spettrale conferma la soppressione realistica delle alte frequenze nella sfocatura sintetizzata.
- Sei architetture mostrano un degrado delle prestazioni di 7-9 dB attraverso i livelli di difficoltà.
- Il benchmark affronta la variazione delle prestazioni oscurata dalle metriche aggregate.
Entità
—