← 返回 PaperDaily
视觉与图像
WACV 2026新作：真实相机超分为何总翻车？
这篇论文很像给真实超分模型做了一次“跨场景校准”：先适应合成盲退化，再对齐经典双三次评测协议，最后再回到轻度真实相机退化。它最有意思的地方，不是单点堆损失，而是把训练分布这件事摆到台面上认真收拾。
龙哥读论文
阅读 3
查看原文
🐉 龙哥读论文知识星球来了！公众号每日8篇拆解不够看？星球无上限更AI领域论文、资讯、招聘、招博、开源代码，一站式干货，每日2分钟刷完即赚！👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～
龙哥推荐理由：
这篇论文很像给真实超分模型做了一次“跨场景校准”：先适应合成盲退化，再对齐经典双三次评测协议，最后再回到轻度真实相机退化。它最有意思的地方，不是单点堆损失，而是把训练分布这件事摆到台面上认真收拾。
原论文信息如下：
你的超分辨模型为何在真实相机上“翻车”？
这篇论文最有意思的地方，不是单纯把网络再堆深一点、损失再加花一点，而是老老实实承认了一个尴尬事实：真实世界的低分辨率图像，和训练时看到的“假低分辨率”根本不是一回事。模型在合成退化上学得再熟，一碰到真实相机里的模糊、噪声、压缩、重采样混合拳，还是容易原地打滑。
现实里的超分辨，不是“把图放大”这么朴素。它更像是给一张糊图做法医鉴定：哪些细节是真丢了，哪些是噪声伪装，哪些是压缩留下的疤。问题在于，很多盲超分方法训练时主要吃的是合成退化数据，评测时却要面对双三次下采样基准和真实相机输入，训练分布、测试协议、真实相机退化三者一打架，模型就开始“认不出亲妈”。
这篇工作把问题说得很直白：真正限制 Real-ESRGAN 类方法的，不只是网络结构，而是训练和测试分布不对齐。所以它没有上来就喊“再来一个新骨干”，而是先做分布校准，再谈损失和结构。这个思路有点像给模型做跨场景适应训练：先让它见识真实退化，再让它适应经典双三次协议，最后再把它拉回轻度真实相机退化场景，避免只会做题不会考试。
三阶段对齐：从合成到真实相机的“渐进式”驯服策略
本论文的主线其实很清楚：既然真实世界和合成世界不在一个频道，那就别幻想一个阶段训练就能通吃。作者提出的是一个三阶段分布对齐流程，每一阶段都在“把模型往正确的考试环境里拽”。
第一阶段先吃下 Real-ESRGAN 风格的高阶退化，也就是把模糊、噪声、压缩这些“真实世界杂烩”先学一遍。这样做的目的不是追求最漂亮的基准分数，而是让模型先建立盲超分的基本直觉：遇到复杂退化时，别只会把图像简单放大。
第二阶段就开始“考试对齐”了。因为 Set5、Set14、Urban100、BSD100 这些经典基准默认还是双三次下采样协议，模型如果一直被真实退化喂养，到了这里就会出现协议错位。于是论文专门做了一轮双三次协议微调，把模型拉回标准评测轨道。说白了，就是让模型别在真实世界里学成偏科生，到了题库却不认题型。
第三阶段最妙。作者没有把模型又推回纯合成世界，而是加了一点轻度真实退化桥接，让它在保持双三次协议表现的同时，不至于一回到真实相机就“失忆”。这个阶段的作用更像是平衡器：既不让模型过度贴合合成协议，也不让它在真实相机上丢掉修复能力。
这套流程的逻辑其实挺像“先打基础，再刷真题，最后做模拟冲刺”。难点不在于每一步都很复杂，而在于它把超分辨里经常被忽略的一件事摆到了台面上：训练分布本身就是方法的一部分。很多时候模型不是不会修，而是修的对象和考试规则压根不一致。
DA-FPR：让模型“学会”偏好高分辨率频谱，只用+2%参数
如果说三阶段训练解决的是“去哪儿训练”的问题，那 DA-FPR 解决的就是“训练时到底该偏好谁”的问题。这里的 FPR 是 Frequency Preference Regularization，中文可以理解为频谱偏好正则化；而 DA-FPR 则是 Degradation-Aware Frequency Preference Regularization，中文是退化感知频谱偏好正则化。这部分思想来源于论文引用的频谱偏好学习工作 [7]，但作者把它改造成了更适合盲超分的版本。
它的核心想法不难懂：超分模型不只要在像素上接近真值，还要在频谱上更像真值、而不是像那个被放大后的低分辨率输入。因为很多纹理细节其实就藏在高频里，模型如果只会“抹平”，最后出来的图看着可能干净，但细节像被橡皮擦过。
更关键的是 DA-FPR 不是死板地设一个固定间隔，而是引入了一个和退化强度相关的温度 Tn。论文里用噪声代理量来估计当前输入有多“脏”，输入越脏，温度越高，约束就越松；输入越接近双三次，温度越低，约束就越严格。这个设计很像现实里教练看人下菜碟：状态差的时候别上来就猛压，状态好时再把标准提严一点。
这里的 band loss 其实是个“稳场选手”。DA-FPR 负责告诉模型要偏爱什么，band loss 则直接告诉它低频和高频都别偷懒。前者像偏好排序，后者像硬性作业。两个一起上，模型既不会只顾着修边缘，也不会把纹理全抹没。
更让人舒服的是，作者没有为了这些模块把整个 Real-ESRGAN 管线推翻重做，而是尽量保持接口兼容。也就是说，它不是要你重写一整套训练脚本，而是把这些模块作为“外挂式增强件”插进去。对实际工程来说，这一点很重要：能接入现有管线，才更像能落地的方法。
只用+2%参数，DCH-RealSR在真实照片上暴打RealESRNet
说到结果，这篇论文最能打的地方是：主提交检查点 stage3 在真实配对数据上确实涨得很实在，而不是只在某个单一基准上“抠出一点点优势”然后大肆庆祝。
先看真实配对数据。论文在 DRealSR 上报告了主提交 stage3 的 PSNR 为 30.60 dB，明显高于 RealESRNet 的 28.56 dB；在 RealSR(V3) 上，Canon 和 Nikon 两个分支也都能看到 PSNR 提升。这里最值得注意的不是“某一张图特别好看”，而是它在两个真实相机数据集上都保持了更稳的恢复能力。
再看经典合成基准。stage3 在 Set5、Set14、Urban100、BSD100 上也没有掉队，尤其在 Set5 上的提升很明显。更有意思的是，论文并没有把 GAN 版本当成主角，因为 GAN 虽然能让画面更“锐”，但在真实配对的保真指标上会吃亏。作者把这件事讲得很坦诚：主提交 checkpoint 是 stage3，不是 GAN。这比很多论文把“最好看的一版”悄悄塞进主结果里，要诚实得多。
从参数和效率看，DCH-RealSR 也没把自己做成一个“巨无霸”。它在 RealESRNet 的基础上只增加了大约 2% 的参数量，推理仍然是单次前向，不需要扩散模型那种一张图跑半天的耐心。对于真实应用场景来说，这一点很重要：如果一个方法只能在论文图里漂亮，到了设备上就卡成 PPT，那基本没法谈实用。
如果把这些结果连起来看，论文真正想证明的不是“我又发明了一个更强的超分网络”，而是在 Real-ESRGAN 兼容框架里，分布对齐本身就能带来稳定收益。DA-FPR、band loss、DCH 骨干这些组件当然有帮助，但作者也很诚实地说了：单个模块的归因并不总是单调清晰，真正起主导作用的是这套 staged alignment 训练逻辑。
它不只涨点：速度、兼容性、检查点，一个都不少
这部分很适合给工程党看。很多方法实验分数漂亮，但一问“能不能接到现有代码里”，就开始支支吾吾。DCH-RealSR 至少在这点上比较踏实：它保持了 RealESRNet 兼容接口，主干还是单次前向，参数也只小幅增加。换句话说，它不是来拆家重装的，而是来给旧房子换更靠谱的地基。
从训练流程上看，stage3 之所以被选为主提交检查点，不是因为它在所有表格里都是第一，而是因为它在真实配对照片上的折中最好：既比 RealESRNet 更准，也没有 GAN 版本那种“图更锐但指标掉头”的副作用。这个选择很符合真实应用的常识——如果最终目标是还原照片，而不是做一张看起来更像锐化滤镜的图，那保真应该优先。
当然，这篇论文也没有把自己吹成“全场景通吃”。它的训练数据主要还是 DIV2K，强度更高的真实退化、视频时序一致性、屏幕内容和医学影像这些场景，都没有展开。也就是说，它证明了 staged alignment 对真实照片超分是有效的，但还没证明它能一把梭到所有超分任务里。
不过从研究方法上讲，这个思路还是值得记一笔：未来做真实世界恢复任务时，也许不必一上来就迷信“更大模型”或“更多损失”，而是先问一句——训练分布和测试分布到底对上没有。很多时候，答案一旦对齐，模型就已经赢了一半。
龙迷三问
这篇论文到底解决什么问题？它主要解决的是真实世界盲超分里的训练—测试分布错位问题。简单说，就是模型在合成退化上学得很好，但一碰真实相机输入或标准双三次协议就不稳，论文用三阶段对齐把这个坑尽量填平。
DA-FPR 是什么意思？DA-FPR 是 Degradation-Aware Frequency Preference Regularization，中文是退化感知频谱偏好正则化。它的作用是让模型在频谱层面更偏向高分辨率真值，同时根据输入退化强度自动调节约束力度，避免固定阈值在重退化场景里过于死板。
stage3 为什么是主检查点，不选 GAN 版？因为 stage3 更适合保真型真实照片超分，在 DRealSR 和 RealSR 上的 PSNR 更稳；GAN 版虽然视觉上更锐、NIQE 更好，但会牺牲一部分真实配对的保真指标。论文主打的是“真实照片还原”，不是“锐化滤镜大赛”。
如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评
论文创新性分数：★★★★☆
创新点不算“天外飞仙”，但把分布对齐当成主线来做，思路很清晰，也确实抓住了真实超分的痛点。
实验合理度：★★★★☆
实验把合成基准和真实配对数据分开讲，主张也主要由真实照片结果支撑，整体比较克制，没有乱吹跨协议全能。
学术研究价值：★★★★☆
它提醒大家：超分不是只看网络结构，训练分布和评测协议同样是研究对象，这个视角很有启发。
稳定性：★★★★☆
stage3 在真实配对数据上表现更稳，说明方法不是只靠某个花活撑场面；但 GAN 版与保真版的取舍也说明它仍有明显目标切换。
适应性以及泛化能力：★★★☆☆
对真实相机和经典双三次基准都有效，但训练数据和任务范围仍偏窄，跨到视频、医学、屏幕内容还要再验证。
硬件需求及成本：★★★★☆
单次前向、参数增幅小，推理成本友好；训练阶段多了三段流程，但仍比扩散类方法轻很多。
复现难度：★★★☆☆
兼容 Real-ESRGAN 管线是优点，但三阶段训练和若干辅助模块叠加后，想完全复现到位还是要花些工夫。
产品化成熟度：★★★☆☆
适合做真实照片增强的候选方案，尤其在单帧、低延迟场景里有价值；但对更复杂的真实退化和视频一致性还不够完整。
可能的问题：方法的核心收益更多来自训练分布重整，模块级归因不够强；此外，跨数据集和跨任务的泛化还需要更大范围验证。
主要参考文献
[2] ERR/IERR：分频带恢复与频域解耦相关工作。
[7] H-VAR / preference regularization 相关工作，论文中用于 DA-FPR 的思想来源。
[10] SRGAN：感知超分的经典 GAN 框架。
[11] SwinIR：基于 transformer 的超分辨率方法。
[16] Real-ESRGAN：真实世界超分的重要基线。
[18] BSRGAN：真实世界盲超分的高阶退化建模方法。
论文原文：https://arxiv.org/pdf/2606.26515v1.pdf
*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！
欢迎加入龙哥读论文粉丝群，
扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。
一定要备注：研究方向+地点+学校/公司+昵称（如 图像处理+上海+清华+龙哥），根据格式备注，可更快被通过且邀请进群。
真实超分、图像恢复、盲退化这些方向，群里都有人一起拆。
想少踩坑、多看懂论文，来这儿就对了～
