179、挑战极限：Real-ESRGAN的高阶退化模型设计与真实场景盲超分实战去年有个项目让我差点把键盘砸了——客户给了一堆监控摄像头拍的夜间人脸截图，要求超分到能做人脸识别的程度。你猜怎么着？用EDSR跑出来的结果，人脸跟油画似的，五官糊成一团。后来换了ESRGAN，效果稍微好点，但遇到运动模糊和压缩伪影同时存在的情况，模型直接摆烂，输出一堆锯齿。这就是真实场景的残酷：退化过程从来不是教科书里假设的“双三次下采样+高斯噪声”那么简单。现实中的低分辨率图像，是光学模糊、传感器噪声、压缩伪影、运动模糊、甚至镜头畸变混在一起的“鸡尾酒”。你训练时只模拟一种退化，模型就只学会一种，遇到混合退化立刻翻车。退化模型设计：从“单一”到“复合”的进化Real-ESRGAN的核心思想其实很朴素：既然真实退化是复合的，那就在训练时模拟复合退化。但具体怎么模拟，这里面的门道比想象中深。先看最基础的退化模型，很多论文里这么写：# 别这样写！这是典型的“实验室退化”defsimple_degrade(img)