DRealSR是一个真实世界图像超分辨率数据集。该数据集由五款不同品牌的相机(如Canon、Nikon、Sony等)在多种自然场景下实拍采集，涵盖丰富的真实退化类型，被广泛应用于中×2/3/4的超分任务中。

针对现有的BurstSR数据集存在的三个问题：数据不对齐问题，不同设备采集问题，评估不准确问题，构建了一个真实的突发超分辨率数据集RealBSR。它包含579组(RAW 版本)和639组(RGB 版本)。每组包含14张Burst低分辨率图像和一张高分辨率标签图像。

该数据集包含200组RAW格式的Burst图像序列及其对应的高分辨率参考图像。每组序列由14张在相同曝光、ISO 等设置下拍摄的RAW图像组成，使用手持Samsung Galaxy S8智能手机采集。对应的高分辨率图像由安装在三脚架上的Canon 5D Mark IV DSLR相机采集。数据集共划分为训练、验证和测试集，分别包含160、20和20个序列。

现有的光场数据集大多都是基于双三次插值的方式得到低分辨率光场图像，而这种方式无法模拟真实世界的退化。为此，通过Lytro ILLUM相机以不同的焦距捕获相同场景的图像，收集了一个面向真实世界的成对低分辨率-高分辨率光场超分数据集。

该数据集由多个具有代表性的公开光场数据集(即HCI new, HCI old, STF Gantry, EPFL, INRIA)构成，涵盖了宽基线和窄基线两种类型。其中，HCI new和HCI old数据集通过软件合成生成，STF Gantry 数据集由龙门架拍摄获得，EPFL和INRIA数据集则使用Lytro ILLUM光场相机采集。所有数据均有9×9的角度分辨率。

Rain800 训练集共包含700幅图像，其中500幅从UCID数据集的前800幅图像中随机选取，200幅从BSD-500数据集的训练集中随机选取。测试集共包含100幅图像，其中50幅从UCID数据集的后500幅图像中随机选取，50幅从BSD-500数据集的测试集中随机选取。使用Photoshop在这些图像中添加雨纹，确保添加不同强度和方向的雨像素，以生成多样化的训练集和测试集。所有训练和测试样本的大小均调整为 256 x 256。

RoadScene-rain数据集的图像来自RoadScene数据集，该数据集精确配准了 RGB-IR 图像，包含道路、车辆和行人等多样化场景，有效模拟了低光夜间驾驶场景。我们在 RoadScene 数据集中的 RGB 图像上采用了雨滴合成算法，最终生成221个图像对，能够准确模拟现实世界中的低光雨天夜间驾驶场景，其中保留 40 对图像对作为测试样本，其余图像对用于训练。

UAV-Rain1k是首个全新的用于从无人机图像中去除雨滴的基准数据集。UAV-Rain1k 的训练集和测试集分别包含 800 和 220 张合成图像。所有图像的平均分辨率为 1500 × 1000。数据集包含四种降雨密度标签（例如，轻度、中度、重度和不规则）。此外，我们根据航拍角度和航拍场景对背景图像进行分类。因此，我们的数据集在降雨条件和地面真实 (GT) 图像方面都展现出更大的多样性和更大的规模。

RealRain-1k 包含 1120 张高分辨率的晴天和雨天图像对，其中雨纹密度分别为低和高。RealRain-1k 中的图像是通过一种简单有效的可控雨纹密度滤波方法从大量真实世界中的雨天视频片段中自动生成的，具有图像分辨率高、背景多样性、雨纹多样性和空间对齐严格的特性。 RealRain-1k 还提供了丰富的雨纹层，使我们能够通过将雨纹层粘贴到丰富的自然图像上。