RealDefocus：为何真实数据能解锁高容量模型的散焦去模糊潜力？
单图像散焦去模糊（SIDD）长期受限于合成数据和固定光圈的小规模数据集。本文介绍 RealDefocus 基准，通过 23,000 对真实高分辨率图像对，证明训练数据的真实性与规模是提升模型泛化能力的关键。实验显示，在 RealDefocus 上训练的模型在 RealDOF 测试集上表现显著优于传统 DPDDS 训练模型。注意：高容量模型计算成本较高，且真实 Ground Truth 可能存在残留模糊。