EDFace-Celeb-1M：基于百万级数据集的面部幻觉基准测试

近年来，深度人脸超分辨率方法在恢复严重退化的人脸图像方面展现出惊人的性能，甚至超越了人类识别能力。然而，这些算法主要在非公开的合成数据集上进行评估，因此其在公开人脸超分辨率数据集上的实际表现尚不明确。同时，现有大多数数据集在种族分布方面考虑不足，导致基于此类数据训练的人脸超分辨率方法对某些特定种族存在偏见。为解决上述两个问题，本文构建了一个公开的种族多样性人脸数据集——EDFace-Celeb-1M，并设计了一项人脸超分辨率基准任务。该数据集包含170万张照片，覆盖多个国家，且种族构成均衡。据我们所知，这是目前规模最大、公开可用的野外真实场景人脸超分辨率数据集。依托该数据集，本文还提出了多种评估协议，并对现有最先进方法进行了全面分析与基准测试。基准评估结果清晰揭示了当前先进算法的性能表现及其局限性。