总结汇报 2025/12/16

题外话：网站后端逻辑在这周进行了更新，现在的详细周报不再对文章加密，而是对分类进行加密

通过 Cookie 保存访问 Hash， 一旦成功访问该分类后，有效期内该加密分类下所有文章都可以免密快速访问

1 第一周

详细周报链接

1.1 BasicVSR++

上次训练了一版数据是 BasicVSR 的，这是一个相对老一点的视频超分辨率的模型，他有一个优化版本，也就是 BasicVSR++

另外，上一次的训练中，有一些的不规范的地方，在此次更新中统一进行修改

1. 划分更加合理的 test, validation, train 的数据集格式，规范区分验证和测试（比例是 90/5/5）
2. 撰写主管优化 Loss 函数，并尝试添加到训练过程中（使用主观指标 LPIPS）

具体操作步骤撰写在详细报告中

在这一次的训练过程中发现了 BasicVSR++ 这类框架对 DDP 的多卡训练支持并不算好，甚至慢于单卡训练（或许是由于多卡对 CPU 造成的巨大压力，因为每一个卡都要分配 worker）

在添加完所有的代码，并测试可以正常运行后，于 2025/12/08 进行了第一次训练（预计约 4 天）

1.2 理论学习

学习了 L2 正则约束过拟合相关理论

2 第二周

详细周报链接

2.1 BasicVSR++

事实就是训练并不算顺利，加入新 loss 后发生了梯度爆炸的问题

通过 4 轮 debug 和重启后，执行了以下操作：

1. 调低了 LPIPS 指标 2 个数量级
2. 加入 LPIPS 的梯度裁剪
3. 分阶段对不同层进行梯度裁剪

成功控制了梯度，同时也提出了一个方向：在前期以 MSE 为主，后期以主观指标为主，同时我们也可以加入更多的主观指标，进行多目标优化。

主观指标在重启后可以看到进行了比较明显的下降

等待模型收敛后，可以测试主观优化的实际效果

2.2 文献调查

根据要求也同样进行了一些文献的调查工作，同时也对齐了一下前后处理的工作方向，总结一下 3 份文献：

• Towards High-Quality and Efficient Video Super-Resolution via Spatial-Temporal Data Overfitting：通过按空间与时间纹理复杂度划分视频 Chunk，并对每个 Chunk 进行过拟合，实现针对单视频/片段的高质量、高效率超分恢复。
• Enhancing Video Super-Resolution via Implicit Resampling-based Alignment：提出隐式重采样对齐机制，缓解传统对齐中的插值采样损失，可嵌入现有 VSR 框架，在几乎不增加计算量的情况下显著提升对齐与重建效果。
• Classic Video Denoising in a Machine Learning World: Robust, Fast, and Controllable：将视频去噪拆分为噪声建模与去噪两阶段，利用稳定的噪声画像实现快速、可控且低算力需求的高效去噪。

2.3 理论学习

学习了 Weight Decay, Dropout 来控制过拟合问题

2.5 下一步

1. 可以研究一下多目标优化的方向，如多主观指标的优化 loss
2. 考虑一种随着训练推进，MSE 权重逐渐衰退，让主管优化方向主导
3. 考虑搜寻压缩噪声和普通的自然噪声之间的区别，并调查一下压缩噪声相关模型的操作