PixelMind的博客

FlashVSR提出了一种实时视频超分新方法，通过三阶段训练框架实现高效处理。首先利用全注意力模型训练强教师模型，再适配为因果稀疏注意力结构，最后蒸馏为单步模型。创新性地引入局部约束稀疏注意力机制，降低计算复杂度并解决高分辨率泛化问题。同时设计轻量级条件解码器，结合流式处理架构，仅需8帧前瞻延迟，显著提升效率。实验表明，该方法在保持高质量输出的同时，速度提升约7倍，为实时视频超分提供了可行方案。

SeedVR：提出了一种创新框架，通过Swin-MMDiT模块和因果视频自编码器实现任意长度/分辨率视频的高效修复。实验表明，该方法在性能与速度上均优于现有方案，为真实世界视频修复提供了实用解决方案。

该论文提出HYPIR框架，将扩散模型先验与GAN对抗训练结合。方法核心在于：1）利用预训练扩散模型初始化网络参数，继承其强大的自然图像先验；2）通过退化预去除编码器微调初步消除图像退化；3）采用对抗训练适配复原任务。理论证明表明，扩散模型初始化使网络初始分布接近自然图像分布，有效稳定了GAN训练过程。实验显示该方法在保持单步推理效率的同时，显著提升了图像复原质量，支持文本引导和纹理调节。

DOVE：高效单步扩散模型实现真实世界视频超分辨率， 针对真实世界视频超分辨率任务，传统方法存在泛化性差、伪影多或计算效率低等问题。DOVE首次将单步采样机制引入视频超分领域，通过双阶段训练策略在保证质量的同时大幅提升推理速度。

本文提出了一种基于扩散模型的视频超分辨率新方法DLoRAL，通过双LoRA学习范式将时序一致性和空间细节解耦优化。该方法设计了跨帧检索模块（CFR）提取退化鲁棒的时序特征，并采用分阶段训练策略交替优化两个目标。实验表明，DLoRAL在保持时间一致性的同时生成更丰富的细节，且推理速度比现有方法快约10倍。该方法为视频超分辨率任务提供了一种高效且高质量的解决方案。

本文介绍了一个新的基准测试（benchmark），旨在评估超分辨率（SR）技术在视频压缩比特率优化中的应用。该研究提出了一个综合的评测框架，涵盖了5种视频编解码器和19种SR模型，并在不同压缩比特率下进行了测试。作者期望该工作能够推动SR在实时编解码场景中的应用，为低带宽高清视频传输提供技术路径。

PiSA-SR框架，通过双LoRA设计实现像素级保真与语义级增强的解耦控制。采用残差学习策略，首阶段训练像素级LoRA（L2损失），次阶段冻结并联合训练语义级LoRA（LPIPS+CSD损失），形成PiSA模块。推理时通过调节λ_pix和λ_sem参数，用户可灵活平衡降噪与细节生成。相比多步Diffusion方法，PiSA-SR仅需单步推理，效果也非常能打。

这是一种高效的单步扩散模型OSEDiff，用于真实世界图像超分辨率（Real-ISR）。方法创新点在于：1）直接以低质量图像作为扩散起点，消除随机性；2）采用LoRA微调预训练Stable Diffusion模型，结合变分分数蒸馏（VSD）正则化策略，仅需8.5M可训练参数。效果显著