速查参考 · 配套第一课使用 · 打印友好
| 路线 | 代表模型 | 优化目标 | 强项 | 弱项 | 速度档位 |
|---|---|---|---|---|---|
| CNN | SRCNN, EDSR, RCAN | 逐像素误差 (L1/L2) | 快、保真、部署成熟 | 纹理平滑偏糊 | 0.01–0.05 s/帧 |
| GAN | SRGAN, ESRGAN, Real-ESRGAN | 对抗感知质量 | 真实纹理，速度/质量平衡 | 可能幻觉伪影 | 0.03–0.10 s/帧 |
| Transformer | SwinIR, HAT | 逐像素误差 + 全局建模 | PSNR 上限最高 | 算力大，O(N²) 注意力 | 较慢 |
| 扩散 | StableSR, FlashVSR, RCOD, TurboVSR | 生成先验 | 真实感天花板 | 多步极慢；单步蒸馏追赶中 | 多步秒级 / 单步 0.03–0.28 s/帧 |
Perception-Distortion Tradeoff（Blau & Michaeli, CVPR 2018）：重建失真度逼近最优时，感知真实感必然下降。保真与真实感不可兼得。
| 业务要什么 | 指标 | 选哪边 |
|---|---|---|
| 准（取证、监控、医疗） | PSNR / SSIM | CNN / Transformer |
| 真（老片修复、画质增强） | LPIPS / 人眼观感 | GAN / 扩散 |
| 模型 | 类型 | 基准 | 数据 |
|---|---|---|---|
| RealBasicVSR | CNN | 128→512 | 0.011 s/帧 |
| Real-ESRGAN | GAN | 128→512 | 0.034 s/帧（16.7M 参数） |
| RCOD | 单步扩散 | — | 0.09–0.28 s/帧（8–10M 参数） |
| FlashVSR | 单步扩散 | 768×1408 视频 | ~17 FPS（比此前单步扩散快 12×） |
| StableSR | 多步扩散 | 128→512 | 3.194 s/帧（50 步，1.5B 参数） |
| 方案 | 推算速度 | 结论 |
|---|---|---|
| Real-ESRGAN | ≈ 1 s/帧 | 30fps 视频 1 分钟 ≈ 32 分钟处理 |
| FlashVSR | ≈ 2 FPS | 最快的扩散方案也远未实时 |
| 优化版 Real-ESRGAN + TensorRT | ~28 FPS（低分辨率基准） | 当前最现实的批处理选择 |
| 术语 | 含义 |
|---|---|
| PSNR / SSIM | 保真度指标：与原图的逐像素/结构相似度，越高越"准" |
| LPIPS | 感知质量指标：人眼观感相似度，越低越"真" |
| 幻觉 (hallucination) | 生成式模型造出的、原图中不存在的纹理细节 |
| 蒸馏 (distillation) | 用大模型（教师）训练小模型（学生），如多步扩散→单步 |
| Real-ISR | 真实世界图像超分：处理真实退化（模糊、噪声、压缩）而非理想下采样 |
| VSR / SISR | 视频超分 / 单图像超分 |
| NTIRE | CVPR 旗下图像复原权威挑战赛，Efficient SR 赛道为行业速度基准 |