IOCI/IOCV数据集是用于基准测试的真实世界室内外彩色图像（IOCI）和视频（IOCV）数据集。该数据集使用13种不同的相机设备在室内和室外环境中拍摄图像。采集过程中没有使用预设的相机设置（例如ISO、快门速度和光圈），而主要采用相机的自动模式。在不可控的某些昏暗环境中，该数据集使用短曝光时间和提高ISO值来生成高噪声图像。

HQ-NightRain数据集的训练集包含10,000个图像对，验证集包含900个图像对，测试集包含300个图像对，所有图像的分辨率为1280×720。此外，HQ-NightRain还提供了一个包含512张真实拍摄夜间雨天图像的子集，以及一个包含20对自然场景下合成的夜间雨天图像的子集。与现有的夜间雨景数据集相比，HQ-NightRain在图像合成中融合照度信息，以生成更加逼真的夜间雨景图像，并涵盖多种雨景类型，包括雨条纹、雨滴以及雨条纹与雨滴混合的场景。该数据集的提出旨在为夜间图像去雨任务提供高质量、统一的基准平台，推动该领域向更真实、更鲁棒的夜间雨景复原方法发展。

SmokeBench是首个专注于火灾早期真实世界监控场景的图像去烟数据集。它通过一个精心设计的烟雾采集系统，在多样化的场景中生成了大量精确配对的清晰图像和烟雾图像，为开发和评估更鲁棒、更实用的去烟雾算法提供了宝贵的基础。该数据集的发布，有望极大推动AI技术在消防安全领域的应用落地。

WeatherBench数据集的训练集和测试集分别包含41,402和600个图像对，所有图像的分辨率为512×512。与现有的天气退化数据集相比，WeatherBench包含在不同户外场景和拍摄时段拍摄的真实场景图像对，涵盖复杂的天气条件（如雨、雪和雾）以及不同的光照条件（白天和夜间）。WeatherBench的提出旨在为训练和评估一体化天气复原模型提供一个统一的平台，推动该领域向更通用、更实用的解决方案迈进。

MC-Blur是一个大规模、多成因图像去模糊数据集，涵盖了包含不同模糊因素的真实与合成模糊图像。该数据集中的图像通过多种技术采集生成：包括利用1000帧每秒的高速相机拍摄清晰图像并进行平均、使用大尺寸卷积核对超高清（UHD）图像进行卷积、对图像添加散焦模糊，以及使用多种相机设备采集的真实模糊图像。

一个大规模 DPED 数据集，该数据集由三部智能手机和一台 DSLR 相机在野外同步拍摄的照片组成。用于收集数据的设备是 iPhone 3GS、BlackBerry Passport、Sony Xperia Z 和 Canon 70D DSLR。为了确保所有设备同时拍摄照片，它们被安装在三脚架上，并通过无线控制系统远程激活。总共收集了超过 22K 张照片，其中包括来自索尼智能手机的 4549 张照片、来自 iPhone 的 5727 张照片和来自黑莓的 6015 张照片;对于每张智能手机照片，都有来自佳能 DSLR 的相应照片。这些照片是在白天在各种地方、各种照明和天气条件下拍摄的。图像是在自动模式下拍摄的，在整个采集过程中对所有相机都使用了默认设置。

Manga109是一个专门为漫画图像设计的超分辨率数据集，包含109张高质量的漫画图像。该数据集适合用于研究漫画图像的超分辨率问题。

该数据集主要集中在植物、建筑和街景上，旨在促进高质量图像超分辨率的研究，特别是对于户外和真实世界场景的研究。

LWDDS 是一个合成的视频雨滴数据集。该数据集从45个视频段中获得67500对图像用于训练，从6个视频段中获得600对图像用于测试。为提升多样性，本数据集涵盖乡村、市区、高速公路以及早中晚等多场景与天气，为低端天气下自动驾驶去雨任务建立了基准。