第一课：四条技术路线速览
你的使命是为业务场景做超分模型选型。选型前先要有地图——本课建立这张地图：四条路线的核心差异、效果-速度权衡的本质、以及 480p→4K 的现状。
预计用时 8 分钟。
1. 四条路线，一句话各自概括
| 路线 | 代表模型 | 一句话 | 速度档位 |
|---|
| CNN |
SRCNN, EDSR, RCAN |
最小像素误差，重建准确但偏平滑 |
最快（0.01–0.05 s/帧） |
| GAN |
SRGAN, Real-ESRGAN |
对抗训练生成真实纹理，速度与质量的平衡点 |
中等（0.03–0.10 s/帧） |
| Transformer |
SwinIR, HAT |
全局建模，PSNR 上限最高但算不动 |
较慢 |
| 扩散模型 |
StableSR, FlashVSR, RCOD |
生成先验最强，真实感天花板；多步极慢，单步蒸馏正在追赶 |
多步秒级 / 单步 0.03–0.28 s/帧 |
选型直觉
这四条路线没有绝对的赢家——它们分布在"保真度-真实感-速度"这个三角的不同顶点上。选型就是根据业务约束在这个三角上选位置。
2. 权衡的本质：fidelity vs realism
这是超分领域最重要的一条理论结论：Blau & Michaeli (CVPR 2018) 证明了
感知质量（realism）与失真度（distortion/fidelity）不可兼得
——当重建精度（PSNR）逼近最优时，感知真实感必然下降
（The Perception-Distortion Tradeoff）。
- CNN / Transformer 路线优化逐像素误差（L1/L2），PSNR 高，但输出是"所有可能答案的平均"，纹理被抹平，看起来糊。
- GAN / 扩散路线优化"看起来像真实图像"，纹理锐利逼真，但细节是生成的——可能幻觉出原本不存在的纹理，保真度受损。
对选型的意义
监控、医疗等场景要保真（不能幻觉），选 CNN/Transformer；老视频修复、画质增强要观感，选 GAN/扩散。先问自己：业务要的是"准"还是"真"？
3. 480p→4K 的速度现状（A100）
480p（854×480）到 4K（3840×2160）边长约放大 4.5 倍，像素总量增加约 20 倍。基于公开数据推算：
| 模型 | 基准数据 | 480p→4K 推算 |
|---|
| Real-ESRGAN（GAN） |
0.034 s @ 128→512 |
≈ 1 s/帧，30fps 视频 1 分钟约需 32 分钟 |
| FlashVSR（单步扩散） |
17 FPS @ 768×1408 |
≈ 2 FPS（像素量约 7.7 倍） |
| StableSR（多步扩散） |
3.194 s @ 128→512 |
分钟级/帧，仅适合离线 |
关键结论
480p→4K 在 A100 上
远未达到实时（<30 FPS），当前水平在亚秒到数秒每帧。实时化处理需要第三课的加速技术（蒸馏、稀疏注意力、量化、TensorRT）。
4. 自测（凭记忆作答）
Q1：哪条路线把感知真实感推向极致，但传统方案速度最慢？
多步扩散模型
轻量卷积模型
双三次插值法
窗口注意力法
扩散模型凭借强大生成先验，真实感是四条路线的天花板；但迭代去噪（如 StableSR 50 步、3.194 s/帧）使其传统形态最慢。单步蒸馏（FlashVSR、RCOD）正在解决速度问题。
Q2：保真度与真实感不可兼得，这一结论被称为？
感知失真权衡
偏差方差权衡
精度召回权衡
探索利用权衡
Blau & Michaeli (CVPR 2018) 的 Perception-Distortion Tradeoff：PSNR 逼近最优时感知质量必然下降。这是 CNN/Transformer（保真）与 GAN/扩散（真实感）分野的理论根源。
Q3：A100 上 480p→4K 超分的当前速度现状最接近？
约一帧一秒
约一帧一毫
实时六十帧率
实时三十帧率
Real-ESRGAN 推算约 1 s/帧，最快的 FlashVSR 也仅约 2 FPS。480p→4K（像素量 ×20）远未实时，这正是加速技术（第三课）存在的意义。
Q4：业务要求"不幻觉、可采证"，应优先哪条路线？
卷积重建路线
对抗生成路线
扩散生成路线
多步采样路线
CNN 路线优化逐像素误差，保真度最高、无幻觉纹理，适合监控取证等"要准不要真"的场景。GAN/扩散生成的纹理虽逼真，但可能是不存在的细节。
5. 延伸
Real-ESRGAN 项目页 —— 业界最广泛使用的实用超分模型，GAN 路线的标杆。阅读其 README，重点看它与 PSNR-oriented 方法的效果对比图，直观感受 fidelity-realism 权衡。
有疑问就问
我是你的老师。本课任何不清楚的地方——比如为什么 Transformer 自注意力是 O(N²)、幻觉纹理长什么样——随时向我提问。