鱼灯破水，，，，，，，凌空游城；；；火狮踏焰，，，，，，，奋跃腾空；；；一群剪纸奔马通体透亮，，，，，，，在壁中狂奔；；；一纸诗词垂挂成瀑，，，，，，，于天幕间翻卷——2026年央视春晚合肥分会场《合韵满江淮》，，，，，，，用一连串竹苞松茂的超现实异景，，，，，，，刷新了虚实融合的想象界线。。。。 鲜有人知的是，，，，，，，支持这些4K级画面的手艺焦点，，，，，，，来自智象未来团队提出的PS-SR，，，，，，，一个「伪单步」（Pseudo-Single-Step）视频超分框架。。。。依附这一突破性事情，，，，，，，该效果被盘算机视觉顶级聚会 CVPR 2026吸收。。。。 把天马行空的创意落地为春晚级的播出画面，，，，，，，不但需要在4K画质下，，，，，，，高效处置惩罚海量实拍与天生素材，，，，，，，更主要的是，，，，，，，60帧率，，，，，，，每一帧都要经得起逐秒推敲。。。。鱼灯的鳞片反光必需与水波同频，，，，，，，奔马的筋肉在疾驰中不可有丝毫畸变，，，，，，，AI天生的特效要与真人实景严丝合缝地“长”在一起，，，，，，，似乎它们本就属于谁人时空。。。。 然而，，，，，，，这一切的条件离不开一项基础能力：视频超分。。。。没有足够清晰、稳固、真实的底层4K画面，，，，，，，那些极致的画面细节，，，，，，，虚实之间的无缝融合，，，，，，，都无从谈起。。。。 单步模子速率快，，，，，，，适合安排，，，，，，，却往往难以补出真实高清视频中的高频纹理；；；多步扩散模子细节富厚、视觉质量强，，，，，，，却由于重复迭代而盘算腾贵。。。。关于长视频、高清区分率和靠近实时的视频增强场景来说，，，，，，，这个矛盾尤为尖锐。。。。 智象未来的团队提出了 PS-SR，，，，，，，一个「伪单步」（Pseudo-Single-Step）视频超分框架。。。。它并不简朴地把多步扩散压缩成一次前向撒播，，，，，，，而是重新分派扩散采样中的盘算角色：强盛的 base model（基础模子）只执行最要害的一步，，，，，，，确定全局结构与内容一致性；；；轻量 draft model（底稿模子）再接力完成后续细节增强。。。。通过这种投契扩散（Speculative Diffusion），，，，，，，PS-SR 试图同时获得靠近单步模子的速率，，，，，，，以及多步扩散模子善于的视觉富厚度。。。。 视频超分不但是把低区分率画面放大。。。。真实低清视频通常同时包括压缩伪影、噪声、模糊、纹理缺失和运动退化。。。。模子不但要恢复单帧纹理，，，，，，，还要包管一连帧之间不闪灼、不漂移。。。。 基于 CNN 或 Transformer 的古板 VSR 要领效率较高，，，，，，，也能坚持较强的输入输出一致性，，，，，，，但面临严重退化时，，，，，，，往往只能给出偏平滑的清静效果。。。。扩散模子带来了更强的天生先验，，，，，，，可以在低清人脸、车辆结构、衣物纹理等区域补出更自然的细节，，，，，，，却需要多步采样，，，，，，，推理本钱高。。。。 近年来的单步扩散蒸馏要领试图破解这个问题，，，，，，，但单步模子很难完整继续多步扩散的迭代创立力。。。。重大纹理原来是在多轮更新中逐渐形成的，，，，，，，一次性天生时，，，，，，，模子容易退回到更平均、更守旧的展望。。。。 PS-SR 的焦点判断是：真正腾贵的盘算未必每一步都需要。。。。视频超分中的第一步最要害，，，，，，，它要稳住语义、结构和低频内容；；；后续办法更多是在稳固基础上补高频细节。。。。因此，，，，，，，与其让大模子完整跑多步，，，，，，，不如让大模子先打好地基，，，，，，，再让轻模子快速补纹理。。。。 第一阶段由基础模子（base model）执行。。。。该模子初始化自 Wan2.1-T2V-1.3B 视频扩散模子，，，，，，，并通过 LoRA 适配到视频超分使命。。。。它只举行一次周全采样，，，，，，，认真恢复画面的全局结构、语义内容和低频一致性。。。；；；痪浠八担，，，，，，这一步决议「画面应该是什么」。。。。 第二阶段由底稿模子（draft model）接受。。。。底稿模子 来自基础模子的轻量化版本，，，，，，，论文中接纳从 30 个 DiT blocks 中裁剪 20 个的设置。。。。为了让轻模子仍能获得强表征，，，，，，，PS-SR 将 基础模子 对应层特征拼接给 底稿模子，，，，，，，再通过全毗连层恢复维度。。。。这样，，，，，，，底稿模子 不需要重新明确整个视频，，，，，，，只需在强模子给出的基础上推测并增补细节。。。。 训练上，，，，，，，基础模子先在 latent space 中学习从低质量视频到高质量视频的速率。。。。，，，，，，并连系 VSD和对抗损失增强漫衍对齐与视觉真实感；；；随后进入 pixel-space training，，，，，，，通过L2损失与LPIPS损失提升局部质量。。。。底稿模子则更聚焦于 refinement，，，，，，，主要通像素空间的L2损失与LPIPS损失学习高频细节恢复。。。。 最终，，，，，，，PS-SR 形成一种「1+x」式采样体验：一个完整的基础模子采样步，，，，，，，加多个轻量底稿模子细化步。。。。它不是严酷意义上的单步模子，，，，，，，却在效率上靠近单步，，，，，，，并保存了多步细化的空间。。。。 多步扩散的优势在于能一直细化纹理，，，，，，，危害也在这里：模子可能越改越清晰，，，，，，，却越改越不像原视频。。。。为了阻止这种语义漂移，，，，，，，PS-SR 提出了频域更新规则（Frequency-Domain Update Rule）。。。。 这条规则的目的很直接：底稿模子后续办法只允许注入高频细节，，，，，，，低频结构必需继续自前一步。。。。详细做法是将目今视频和新展望视频转换到 YUV 色彩空间，，，，，，，在亮度通道上提取高频因素，，，，，，，再通过自顺应权重融合高频信息，，，，，，，最后与原有低频内容和色度通道组合回 RGB 空间。。。。 也就是说，，，，，，，基础模子 确定骨架，，，，，，，底稿模子 增补纹理，，，，，，，而频域更新规则认真守住界线：让增强爆发在细节层面，，，，，，，而不是酿成内容重绘。。。。 消融实验也从可视化上验证了这一点。。。。去掉频域更新规则后，，，，，，，模子更容易爆发看似更锐利、但与原视频结构不完全一致的细节，，，，，，，局部纹理和边沿会泛起偏移或重绘。。。。下图展示了 FDU 的作用：它不是纯粹追求锐度，，，，，，，而是在增补高频纹理的同时约束低频内容，，，，，，，让视觉富厚度与内容一致性坚持平衡。。。。 PS-SR 在 YouHQ 数据集上训练，，，，，，，评测笼罩合成数据集 UDM10、SPMCS、YouHQ40，，，，，，，以及真实天下低质量互联网视频数据集 VideoLQ。。。。比照要领包括多步扩散模子 STAR、SeedVR，，，，，，，以及单步扩散类要领 DLoRAL、SeedVR2 和 DOVE。。。。 在有高质量 GT 的数据集上，，，，，，，PS-SR 展现出很强的重修能力。。。。以 UDM10 为例，，，，，，，PS-SR 取得 SSIM 0.7547、LPIPS 0.2444、DISTS 0.1277，，，，，，，均为比照要领中的最佳效果；；；在 SPMCS 上，，，，，，，PS-SR 取得 PSNR 22.092、SSIM 0.6287、LPIPS 0.2940、DISTS 0.1454，，，，，，，也体现出稳固优势；；；在 YouHQ40 上，，，，，，，PS-SR 获得 PSNR 21.772、SSIM 0.5873、LPIPS 0.3011 和 NIQE 3.7508 等有竞争力的效果。。。。 论文同时强调，，，，，，，PS-SR 并不盲目追求无参考锐度指标最高。。。。一些要领在 CLIP-IQA 或 MUSIQ 上更高，，，，，，，但可能陪同太过锐化和输入偏离。。。。PS-SR 的目的是在重修准确性、视觉细节和内容一致性之间取得更平衡的效果。。。。 时序一致性方面，，，，，，，PS-SR 在多个合成与真实视频场景中都体现出更稳固的帧间对齐。。。。下图的可视化更直观地展示了这一点：相邻帧之间的结构漂移和纹理闪灼更少，，，，，，，说明 PS-SR 在增强细节的同时，，，，，，，也能更好地维持一连运动中的内容稳固性。。。。 速率方面，，，，，，，PS-SR 的「伪单步」优势更直观。。。。在 NVIDIA A800 GPU 上，，，，，，，对 29 帧、720×1280 区分率视频举行推理，，，，，，，STAR 耗时 98.61 秒，，，，，，，SeedVR 耗时 188.93 秒，，，，，，，DOVE 作为单步要领耗时 20.43 秒；；；PS-SR 接纳 1+3 步投契扩散，，，，，，，耗时 21.11 秒。。。。也就是说，，，，，，，它只比最快的单步要领带来很小特殊开销，，，，，，，却相比 50 步 SeedVR 快约 9 倍，，，，，，，相比 15 步 STAR 快约 4.7 倍。。。。 已往，，，，，，，视频超分经常被迫在两头摇晃：要么选择快速但偏平滑的单步模子，，，，，，，要么选择质量更好但腾贵的多步扩散模子。。。。PS-SR 证实，，，，，，，这个选择并非绝对。。。。强模子可以只完成最要害的全局一步，，，，，，，轻模子可以接力补足细节，，，，，，，而频域更新规则则包管这些细节不会越界针言义漂移。。。。 这正是「伪单步」的价值所在：它不否定多步天生的须要性，，，，，，，而是让多步天生以更轻、更受控、更靠近现实安排的方法爆发。。。。关于视频修复、低清素材增强、在线内容生产和高清化播放等场景，，，，，，，PS-SR 展示了一个兼顾速率、质量与稳固性的扩散式视频增强偏向。。。。