8万帧真实胶片数据集:老电影修复终于不再靠假退化自嗨

论文：AbsoluteDegradation: A Physics-Inspired Synthetic Film-Degradation Pipeline and Archival Film Restoration Benchmark

日期：2026-07-02

来源：[arXiv](https://arxiv.org/abs/2607.02131)

作者与单位：Mikolaj Jastrzebski、Dawid Glinkowski、Dawid Zielinski、Daniel Borkowski、Wojciech Kozlowski、Kamil Adamczewski；Wroclaw University of Science and Technology。

这篇文章最值得看的地方，不是又提出一个更大的 restoration backbone，而是把老电影修复里一个长期被低估的问题摆到台前：训练退化不真实，评测数据不标准，模型在论文指标上看似进步，到了真实档案胶片上却可能把划痕 sharpen 成“细节”。

AbsoluteDegradation 做了两件事：第一，提出一个 physics-inspired 的合成胶片退化流水线，把颗粒、划痕、尘点、负片链路、gate weave、压缩与色彩漂移放进同一套可控退化系统；第二，整理了一个来自 Library of Congress 的真实老电影 benchmark，包含 81,576 帧高分辨率 lossless PNG，用来测试模型是否真的能处理真实胶片退化。

如果把普通图像复原里的退化看成“给干净图加噪声、压缩、模糊”，那么老电影修复的退化更像是一条历史链路：拍摄时的胶片颗粒、冲印时的负片/正片响应、放映和保存时的划痕尘点、扫描时的抖动和数字压缩，会在一个视频 clip 内持续存在并随时间演化。

这篇论文的核心判断是：老电影修复不能只靠自然图像退化 proxy；必须把 analog-to-digital film pipeline 本身建模出来。

老电影修复最难的是没有成对数据。真实档案胶片只有 degraded footage，没有对应的 clean ground truth。于是很多方法用合成退化训练：拿干净视频，加一些噪声、模糊、压缩、划痕，再让模型学恢复。

问题在于，合成退化如果太简单，模型学到的是“去掉实验室噪声”，不是“修复真实胶片”。比如划痕在真实电影里往往跨多帧存在，位置可能缓慢漂移；胶片颗粒不是独立高斯噪声，而是有频谱结构、和亮度相关；gate weave 是整帧轻微抖动，不是随机裁剪。若这些没有建模，训练出来的模型会在真实视频上出现过平滑、闪烁、划痕增强、局部曝光不一致等问题。

这张表是论文的动机压缩版。横向看，作者用四列比较不同 synthetic degradation pipeline：Domain 表示是图像还是视频；TC 是 temporal coherence，也就是退化是否跨帧一致；FA 是 film-specific artifacts，是否包含胶片特有退化；AFC 是 artifact-family coverage，统计覆盖了多少类退化。

从行上看，Real-ESRGAN 和 BSRGAN 主要是 image-domain 的通用退化，覆盖模糊、颗粒、压缩等低层退化，但没有时间一致性，也不是为胶片设计。Bringing Old Films 是更接近老电影修复的 baseline，进入 video domain，也有部分 temporal coherence 和 film artifact，但 coverage 只有 4。AbsoluteDegradation 的行最关键：Video、TC 为 yes、FA 为 yes、AFC 为 7。也就是说它不是把 old film restoration 简化成“图像噪声更重”，而是把旧胶片里的多个物理退化族一起纳入。

表下注释也很重要：AFC 的 7 类包括 optical blur、film grain、parametric scratches、dust/texture overlays、negative-film distortions、camera gate-weave、compression and photometric shifts。后文所有方法设计基本都围绕这 7 类展开。

Figure 1 是整篇的方法主图。最上方粉色横条写着 per-clip parameter lock：退化强度、退化参数、随机排列顺序不是每帧重采样，而是每个 clip 采样一次并固定。这个设计决定了它和普通 per-frame augmentation 的根本差别：真实胶片的一些退化会在整段镜头中持续存在，模型必须学会利用时间信息，而不是逐帧瞎猜。

图的第一行从左到右是输入和前三个阶段。Input 是干净视频 clip，记为 x1:T。Stage 1 是 Frame Crop with Motion Padding，先裁出带额外边界的工作区域，为后续 gate weave 抖动预留空间。Stage 2 是 Dust & Texture Overlay，把尘点、乳剂纹理、放映痕迹叠加到画面上，并允许这些污染物持续若干帧。Stage 3 是 Negative-Film Emulation，在负片域中做轻量退化，再反转回正片域，模拟真实胶片捕获和冲印过程。

第二行是核心退化、收尾和输出。Stage 4 是 Stochastic Core，包含 blur、grain、JPEG、resolution change、gamma、horizontal/vertical motion，并以 clip-level 的随机顺序组合。Stage 5 是 Finalize，把尺寸、颜色扰动和 8-bit 量化收束到最终数字图像。Stage 6 是 Vertical Scratches，加入跨多帧的纵向机械划痕。最右侧输出是 degraded / ground-truth pair，也就是退化 clip 和原始 clean clip 保持对齐。

图中底部虚线很容易被忽略：它表示 ground truth x1:T 被原样传递到输出端。这意味着作者不仅合成 degraded video，也保留了逐像素对齐监督，供 restoration 模型训练。

Stage 1 看起来很普通，但它解决的是视频退化里的对齐问题。后续 gate weave 会让画面产生水平或垂直抖动，如果直接在原图边界上平移，就会出现黑边或缺内容。作者先裁一个更大的工作区域，再在其中做几何扰动，最后裁回目标分辨率。

这里的重点是：crop location 按 clip 固定。这样 degraded sequence 和 ground truth video 仍然空间对齐，训练时不会把“人为随机裁剪”误当成真实运动。

真实老胶片上的灰尘、污渍、乳剂纹理不会每一帧随机刷新。很多污染物会挂在扫描/放映链路里，连续几帧甚至几十帧都可见。论文从 Bringing Old Films 的 scanned emulsion texture library 中取 texture assets，并转换成带 alpha 的 RGBA PNG，再用多 slot persistence model 控制它们的生命周期。

这一步的训练含义很直接：如果一条污渍连续出现，视频 restoration 模型可以跨帧判断它是 artifact，而不是画面内容。反过来，如果训练时每帧都随机加尘点，模型会被迫当成 image denoising 做，难以学会时序一致性。

这个公式描述的是 Negative-Film Emulation。x_t 是第 t 帧的干净图像，1 - x_t 表示把正片图像反转到负片域。F_pi 是一个随机排列后的轻量退化子流水线，里面包含 blur、grain、downsampling、gamma 等操作。最外层的 1 - F_pi(...) 再把负片域结果反转回正片域，clip 则保证像素值落在 0 到 1 之间。

它的意义不是数学炫技，而是物理顺序：有些退化发生在负片捕获/冲印阶段，不等价于在最终正片上直接加噪声。尤其是 gamma 和 grain 的先后顺序不同，会改变噪声被亮度放大的方式。

核心退化阶段有七个 operator：blur、grain、JPEG、resolution change、gamma，以及 horizontal/vertical gate-weave。作者从 7 个操作的全排列中采样顺序，所以一共有 7! = 5040 种组合。

这比“固定顺序加退化”更贴近真实情况。比如 gamma 在 grain 前，表示先改变曝光响应再注入颗粒；grain 在 gamma 前，表示颗粒先出现在 raw/capture 域，然后被后续亮度映射放大。两者视觉结果不同。作者没有为每种物理链路写独立规则，而是通过随机排列覆盖更大的退化空间。

这条公式是胶片颗粒建模的核心。左边的 x_tilde_t 是退化后的第 t 帧；x_t 是原始帧；k 控制颗粒强度，可以理解成和 ISO 或胶片感光程度相关；x_t 的 gamma 次方表示颗粒强度会随图像亮度变化；u 是 blue-noise basis，提供高频但更结构化的颗粒模式；w 是白噪声项，用来模拟扫描传感器噪声。

为什么要引入 blue noise？因为真实胶片颗粒不是每个像素独立抖动的白噪声，它有空间结构和高频分布。如果只用 Gaussian grain，模型容易把真实细节和噪声混在一起，最后输出过平滑。后面的 ablation 也说明，高斯颗粒虽然可能让无参考指标更好看，但视觉上更容易损伤眼睛、帽子纹理、细小标记等真实结构。

Gate weave 是胶片在扫描或放映机械结构中轻微漂移导致的整帧抖动。这个公式用 Ornstein-Uhlenbeck 过程建模水平位移 X_t。theta 控制回到中心位置的速度，sigma 控制平稳分布的标准差，epsilon 是标准高斯随机扰动。

通俗说，它不是让画面每帧乱跳，而是让画面像真实机械系统一样“有惯性地晃动，并且会往中心回拉”。这点对视频 restoration 很关键，因为模型要学的是稳定的、连续的机械抖动，而不是独立帧变换。

垂直方向更复杂。作者让 theta_y 本身也随时间变化，再用它控制 Y_t 的位移更新。kappa 表示 theta_y 回到平均值的速度，theta_avg 是均值，s 是 theta_y 随机波动的尺度。这样可以模拟真实胶片中“某段时间抖得更厉害，某段时间又变弱”的现象。

Mechanical scratches 是纵向细线，来自投影机、扫描器或胶片表面摩擦。公式里的 w 是划痕宽度，sinc^2 项模拟窄缝衍射形状，Gaussian 项让边缘柔和衰减。作者还让划痕宽度沿纵向随机游走、强度随帧 flicker，并给每条划痕设置 20 到 70 帧的 lifespan。

这比“随机画几条白线”更重要。真实划痕通常不是一帧闪现，而是跨帧存在、位置缓慢漂移、亮度有变化。模型如果只见过随机短线，就很容易在真实视频里把划痕当成结构边缘增强。

Figure 7 是 Appendix 里的 operator atlas，非常适合读方法。第一行从左到右是 Ground truth、Negative-film chain、Texture overlays、Optical blur。负片链路整体对比度和灰度响应改变；texture overlays 在天空和画面边缘加入明显污点；optical blur 则让车牌、车身边缘和远处树木变软。

第二行是 Film grain、JPEG、Resampling、Photometric。Film grain 的变化比较细，需要看天空和车身平坦区域；JPEG 主要影响块状压缩和高频边缘；Resampling 会让局部纹理和边界产生插值损失；Photometric gamma 改变全局亮度响应。

第三行是 Gate weave、Scratches、Color jitter、All degradations。Gate weave 静态图中不容易看出，因为它主要体现在帧间位移；Scratches 是最明显的纵向亮线；Color jitter 让整体灰度和色调发生轻微漂移；All degradations 把这些因素叠加后，画面同时出现模糊、颗粒、污点、划痕和亮度变化。这张图证明作者不是只做一个 abstract pipeline，而是把每类退化都可视化到了同一 reference crop 上。

Figure 2 左侧是视觉对比。每一行是同一 REDS 场景，三列分别是 GT、Bringing Old Films 和 Ours。中间列的旧方法更像普通黑白退化：整体变灰、有噪声，但许多胶片结构性问题不明显。右侧 Ours 则加入更强的划痕、纹理、亮度变化和局部污染，视觉上更接近难修复的档案胶片。

Figure 2 右侧是两个分布图。SSIM 图中，AbsoluteDegradation 的蓝色分布整体向低 SSIM 移动，说明它和 clean ground truth 差异更大；LPIPS 图中，蓝色分布整体向更高 LPIPS 移动，说明感知差异也更强。这里要注意，作者不是在说“退化越重越好”，而是在说：旧 synthetic pipeline 对真实老电影修复任务太温和，训练难度不足。

作者从 Library of Congress 选取 1896 到 1918 年间的 30 部 public-domain films，保存为 1440x1080 到 1920x1080 的 lossless PNG。然后通过 SuperPoint + LightGlue 做 scene splitting，再人工筛掉 title cards、blank frames 和无信息片段，得到适合时序 restoration 评测的真实档案视频数据。

最终有三个版本：Full scene-split dataset 有 81,576 帧，适合测试连续镜头内的时序一致性；Compact subset 有 13,252 帧，用于高效评测；Multi-scene dataset 有 121,200 帧，用固定长度切分，保留真实场景切换，适合测试更复杂的视频 restoration 系统。

Figure 3 左边是 SRWOV 样例，右边是作者构建的数据集样例。SRWOV 中可以看到更低分辨率、压缩痕迹、水印或内容混杂问题；作者的新数据集更聚焦真实老电影 footage，分辨率更高，且以 lossless PNG 保存，避免把 JPEG 压缩噪声混进评测结论。

最右侧的定量图比较 BRISQUE 和 MUSIQ。作者数据集在 BRISQUE 上更高，在 MUSIQ 上更低，表示无参考质量指标认为它更“差”、更难。这不是缺点，反而说明它更接近真实老电影修复任务的挑战：模型不能只在干净自然图像退化上刷分。

Table 2 用 FID 比较 synthetic degradation 和真实数据分布的距离。列分成 SRWOV 和 Our Dataset 两个真实目标域。Bringing Old Films 在 SRWOV 上是 193.84，在新数据集上是 166.04；AbsoluteDegradation 分别降到 185.78 和 154.27。

解读时不要只看“赢了多少”。更关键的是，这说明 AbsoluteDegradation 生成的 synthetic data 与真实档案胶片分布更接近，尤其在作者自己的高分辨率档案 benchmark 上差距更明显。这支撑了它作为训练 proxy 和评测辅助工具的合理性。

Figure 4 是论文里最有启发的一张结果图。左半部分和右半部分各是一组案例，每组都有三列：Input、Ours、Bringing Old Films。图中红框标出需要关注的局部退化。

左侧案例中，输入画面有持续线状 artifact。Ours 的结果更倾向于把它压下去，画面更干净；Bringing Old Films 训练出的模型反而保留或锐化这些线。右侧案例同理，输入中有 specks 和局部退化，Ours 更像修复，baseline 更像增强了脏点。

这张图底部的 C 和 M 分别是 CLIP-IQA+ 与 MUSIQ。吊诡之处在于，baseline 有时指标更高，但视觉上明显更糟。作者借此说明：老电影修复不能盲信无参考指标，因为这些指标可能把“更锐利的划痕、更强的局部边缘”误判为更高质量。

这张补充图把两组 crop 单独放大。左侧一组里，旧 pipeline 训练模型对线状 artifact 更自信，容易把 artifact 当成结构；右侧一组里，旧方法保留了更多脏点和过锐边缘。AbsoluteDegradation 的价值不是让画面一定更锐，而是让模型更保守地处理不确定退化，减少把历史污损伪装成细节的风险。

Table 3 的读法要分三层。

第一层看列：左半是 Our dataset，右半是 SRWOV dataset。每个数据集下有 BRISQUE、CLIPIQA+、MUSIQ、MANIQA 四个无参考指标。BRISQUE 越低越好，后三个越高越好。

第二层看每个模型块。MambaOFR 和 BasicVSR++ 在使用 AbsoluteDegradation 训练后，多数指标明显提升。比如 BasicVSR++ 在作者数据集上 BRISQUE 从 30.62 降到 21.94，MUSIQ 从 32.55 升到 40.27，说明更强的视频架构能够利用更复杂、时序一致的退化分布。

第三层看例外。RTN 和 RVRT 并不是所有指标都变好。RTN 在某些列上变化较小，RVRT 在作者数据集上甚至有指标下降。作者的解释是：AbsoluteDegradation 更复杂，轻量旧架构或面向通用 deblurring/denoising 的模型未必能直接吃下这套分布，需要架构或训练策略配合。

因此 Table 3 的结论不是“所有模型无脑涨分”，而是：更真实的训练退化能帮助高容量/适配的视频 restoration 模型泛化，但也暴露了旧模型和不可靠指标的局限。

Figure 6 左侧是 RGB ground truth，右侧是 2 行 3 列退化结果。上排是 AbsoluteDegradation，下排是 Bringing Old Films；列从左到右是 Light、Medium、Heavy。

从上排看，AbsoluteDegradation 的 severity 增加并不只是“整体更黑或更糊”。Light 已经有可见颗粒和轻微纹理；Medium 增加强划痕、污点、对比变化；Heavy 中竖向划痕、局部污染和曝光变化更明显。下排的 Bringing Old Films 相比之下更像同一类灰度退化强度变化，结构性胶片 artifact 更少。

这张图说明 severity curriculum 的价值：模型可以从轻退化逐步适应重退化，而不是只见到一个固定强度的 synthetic corruption。

AbsoluteDegradation 的贡献不在于提出一个新网络，而在于把“训练数据分布”从附属问题变成方法核心。对 old film restoration 这种缺少 paired clean target 的任务，合成退化就是隐式监督。如果退化模型错了，模型再大也可能学偏。

它还提醒我们，很多 low-level vision 任务正在从“设计 backbone”转向“设计数据生成机制、评测协议和真实退化接口”。尤其是视频复原、手机影像、档案修复、RAW/ISP 类任务，真实退化链路往往比单个网络模块更决定上限。

第一，退化 pipeline 仍然依赖有限的 texture asset 和人工设定参数，遇到罕见胶片化学损伤、霉斑、严重撕裂、手工修补痕迹时可能不足。

第二，真实 benchmark 没有 clean ground truth，因此评测仍然依赖 BRISQUE、CLIPIQA+、MUSIQ、MANIQA 等无参考指标，而论文自己也证明这些指标会奖励错误锐化。后续需要更适合 archival restoration 的 reference-free metric。

第三，online degradation 和视频模型训练成本不低。论文里多模型训练和 ablation 本身就很昂贵，这也意味着社区复现和扩展需要更工程化的数据管线。

一个方向是做 domain-specific restoration metric。老电影修复里的“好”不等于现代摄影图像的锐利干净，而是要区分真实历史纹理、可接受胶片颗粒和破坏性划痕/污点。评价模型如果继续奖励过锐 artifact，训练目标也会被带偏。

另一个方向是把这套 physics-inspired degradation 扩展到更广的真实视频退化：比如彩色胶片褪色、霉斑、硝酸片基变形、扫描器条纹、低码率二次压缩等。它也可以和 diffusion restoration 或 video foundation model 结合，让生成先验服务于“保真修复”，而不是凭空重绘历史画面。

AbsoluteDegradation 的价值可以概括成一句话：老电影修复缺的不是又一个模型榜单，而是一套足够接近真实胶片链路的训练和评测基础设施。

它用六阶段退化 pipeline 把胶片颗粒、负片链路、划痕、尘点、gate weave、压缩和色彩漂移组织到同一框架里；又用 81,576 帧真实档案 benchmark 检验模型是否真的泛化。更重要的是，它指出无参考指标可能奖励错误修复，这对整个 restoration 领域都是一个警告：如果评测不懂真实退化，模型很容易把损伤修成“细节”。