最近の深層学習に基づく顔画像超解像手法は、重度に劣化した顔画像のスーパーレゾリューションにおいて驚異的な性能を示しており、人間の能力を上回ることさえある。しかし、これらのアルゴリズムは主に非公開の合成データセット上で評価されているため、実際の公開顔画像超解像データセットにおける性能が明確でない。一方、既存の多くのデータセットは人種の分布を十分に考慮しておらず、これによりこれらのデータセット上で学習された顔画像超解像手法は特定の人種に偏った性能を示す可能性がある。上記の2つの問題に対処するために、本論文では公開型の多様な人種をカバーする顔画像データセット「EDFace-Celeb-1M」を構築し、顔画像超解像のためのベンチマークタスクを設計した。本データセットには、異なる国をカバーする170万枚の画像が含まれており、人種の構成がバランスされている。知られている限り、これは野生環境（in the wild）における最大規模かつ公開可能な顔画像超解像データセットである。このデータセットと併せて、本論文ではさまざまな評価プロトコルを提供し、最先端の手法を包括的に評価・分析するためのフレームワークを構築した。ベンチマーク評価により、最先端アルゴリズムの性能と限界が明確に示された。