138、自建超分数据集：从数据采集到退化模拟的完整流程上个月调一个视频超分模型，跑了两天loss死活不降，检查数据才发现——训练集里HR和LR压根不是同一帧，时间戳差了3帧。这种坑，踩一次就记住了。今天把自建超分数据集的完整流程掰开揉碎讲清楚，从采集到退化，每一步的坑都标出来。一、数据采集：别信网上的“高清”资源很多人第一步就翻车。从B站、YouTube扒下来的所谓4K视频，码率低得可怜，细节全是压缩伪影。你拿这种“伪高清”当HR，模型学到的全是去块效应，不是超分。正确的采集姿势：电影级素材：找RED、ARRI RAW格式的测试序列，比如Derf’s Test Media Collection、Xiph.org的测试视频。这些是真正的无压缩源。相机直出：用单反拍RAW视频，注意快门速度要够快（1/1000s以上），避免运动模糊污染HR。我习惯拍静态场景，比如建筑、静物，运动场景用高速摄影机。卫星/遥感图像：如果做遥感超分，直接找官方发布的原始分辨率数据，比如WorldView-3的16bit TIFF。别用Google Earth截图，那已经是压缩过的。一个血泪教训：采集时务必记录元数据——拍摄设备、ISO、快门、光圈、焦距。这些信息在后续分析退化模型时能救命。我见过有人用手机拍的视频当HR，结果模型学到的“超分”其实是去噪，因为手机自带降噪太强了。