130、BSRGAN实战：盲超分辨率中的退化建模与网络设计做超分的朋友应该都遇到过这种场景：用EDSR或者RCAN训练出来的模型，在公开测试集上PSNR刷得飞起，一放到用户拍的老照片上就糊成一团。我去年接了个老照片修复的项目，用户发来的图片带着各种奇怪的噪声、模糊核、压缩伪影，甚至还有扫描仪产生的条纹。当时我天真地以为直接用预训练模型就能搞定，结果被现实狠狠教育了一顿——模型在合成数据上表现完美，真实场景下却连边缘都保不住。这个问题本质上就是“退化不匹配”。传统超分假设退化是简单的双三次下采样，但真实世界的退化过程复杂得多：模糊核可能是高斯、运动、甚至各向异性的，噪声可能是高斯、泊松、或者两者混合，再加上JPEG压缩、传感器噪声、光学像差……BSRGAN就是专门来解决这个问题的，它的核心思想很简单：既然真实退化太复杂，那我们就用随机退化来覆盖它。退化模型的构建：别把退化想得太简单BSRGAN的退化模型不是简单的“模糊+下采样+噪声”，而是设计了一套“退化池”机制。我直接贴核心代码，注释写清楚每个坑：defdegradation_process(img,sf=