超分辨率与图像修复
把小图、糊图和旧图变清晰
图像生成与编辑入门 #21
输入图像图像
这项能力指什么
输入一张低分辨率或有退化（模糊、噪点、划痕）的图像，输出更高分辨率或更干净的版本。它不只是放大像素，而是根据学习到的图像先验补出高频细节——也正因为是「补」，存在猜测成分。与「图生图」的区别是目标是恢复而非风格化。
技术上如何做到
经典路线用卷积网络直接回归高分辨率像素，配合感知损失与对抗损失来换取更锐利的纹理，真实感与像素保真度之间需要权衡。扩散模型后来被引入，用生成式先验补细节，在去除严重退化时表现更好。真实世界的退化复杂且未知，所以训练时常做随机退化增广，让模型不依赖某一种固定降质方式。
代表产品
4相关机构
典型用途
- 老照片与家庭影像修复
- 监控与遥感影像的细节增强
- 医学与显微成像的清晰化
- 印刷与出版素材的提分辨率
怎么评价它好不好
- PSNR
- 峰值信噪比，衡量像素级保真度
- SSIM
- 结构相似度，比 PSNR 更贴近人眼
- LPIPS
- 感知距离，衡量纹理是否自然
边界与难点
- 会「脑补」出不存在的纹理，人脸与文字放大后可能被改成另一个样子
- PSNR 高不等于看着好，过度平滑的图指标漂亮却缺少细节
- 对训练时未覆盖的退化类型（如特定压缩伪影）泛化差