1. 引言超高清（Ultra-High Definition, UHD）图像与视频正成为消费电子、影视制作、医学影像、遥感监测和智能安防等领域的核心载体。随着 4K/8K 显示设备的普及，用户对画质的要求已从「看得清」升级为「看得真、看得美」。然而，UHD 内容在采集、传输、压缩和显示的全链路中，不可避免地引入模糊、噪声、压缩伪影、低光照退化等问题，这催生了底层视觉（Low-Level Vision）任务的持续演进。底层视觉任务通常指以像素级重建为目标的图像处理问题，包括超分辨率（Super-Resolution, SR）、去噪（Denoising）、去模糊（Deblurring）、去雨（Deraining）、低光增强（Low-Light Enhancement）以及压缩伪影去除（Compression Artifact Reduction）等。与高层视觉（分类、检测、分割）不同，底层视觉更关注细节保真与感知质量。近年来，随着深度学习、Transformer、扩散模型等技术的成熟，UHD 底层视觉研究迎来了爆发式增长。本文系统梳理该领域的最新研究进展，涵盖方法演进、关键挑战、代表性工作与未来方向。下面是本文的整体结构导览： 【深度学习新浪潮】UHD 低层视觉（Low-Level Vision）最新研究进展综述
1. 引言超高清（Ultra-High Definition, UHD）图像与视频正成为消费电子、影视制作、医学影像、遥感监测和智能安防等领域的核心载体。随着 4K/8K 显示设备的普及，用户对画质的要求已从「看得清」升级为「看得真、看得美」。然而，UHD 内容在采集、传输、压缩和显示的全链路中，不可避免地引入模糊、噪声、压缩伪影、低光照退化等问题，这催生了底层视觉（Low-Level Vision）任务的持续演进。底层视觉任务通常指以像素级重建为目标的图像处理问题，包括超分辨率（Super-Resolution, SR）、去噪（Denoising）、去模糊（Deblurring）、去雨（Deraining）、低光增强（Low-Light Enhancement）以及压缩伪影去除（Compression Artifact Reduction）等。与高层视觉（分类、检测、分割）不同，底层视觉更关注细节保真与感知质量。近年来，随着深度学习、Transformer、扩散模型等技术的成熟，UHD 底层视觉研究迎来了爆发式增长。本文系统梳理该领域的最新研究进展，涵盖方法演进、关键挑战、代表性工作与未来方向。下面是本文的整体结构导览： RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
