街道场景图像主要包含建筑物、道路、植被和车辆。受高度的影响，与校园场景相比，街道 场景的可见图像包含更多的噪声，这使得街道场景的引导热图像 SR 更加困难。这些图像是 在不同的天气条件下和不同的时间拍摄的。 ULSR-UV[252]是南京航空航天大学的杨欣教授提出的一个无人机视频超分辨率数据集， 旨在解决不同背景信息下的无人机视觉超分辨率任务。该数据集包括白天与黑夜场景下不同 的无人机数据，为无人机场景超分辨率任务提供了重要的基准数据集，该数据集还未发布。 mult iple visible cues[J]. IEEE Transactions on Geoscience and Remote Sensing, 2023, 61: 1-14. [252] Yang X, Wu L, Wang X. ULSR-UV: an ultra-lightweight super-resolution networks f or UAV video[J]. 过程。通过去中心化训练机制，模型可在多台边缘设备或服务器上同步训练，从而在保障数 据隐私的同时实现模型优化[251]。这种方式大幅降低了数据泄露风险，特别适用于无人机网 络等需要多设备协作的场景。以 FedBPT 框架[252]为例，该框架将联邦学习与黑盒优化算法 结合，专门用于在保护隐私的前提下优化大型语言模型。FedBPT 通过在本地进行训练并仅 共享模型更新数据，不仅降低了通信成本，也显著提升了模型的安全性。