已验证70% 置信事实时间未知

图片高清放大（Super Resolution）利用深度学习模型如Real-ESRGAN、SwinIR等对低分辨率图像进行智能插值，能补充AI推测出的高频细节信息

4

来源数

70%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

AI漫剧制作全流程：从剧本到成片的5步实战指南

bilibiliAI视频制作_

涉及实体

Real-ESRGANmodel SwinIRmodel Super Resolutionconcept

相关事实

已验证视频超分辨率技术依托深度卷积神经网络对低分辨率帧进行像素级重建，利用帧间时序信息补全运动细节，比单帧图像放大能减少闪烁与伪影77% 相似待验证Real-ESRGAN采用带有U-Net判别器的GAN架构，能在放大图像的同时智能补充细节纹理74% 相似待验证创作者使用RTX Video Super Resolution对生成结果进行超分辨率放大处理72% 相似待验证视频扩散模型的计算密集程度远超图像生成71% 相似待验证近年基于深度学习的抠图方案如 MODNet、RVM（Robust Video Matting）已能实现像素级精确分离71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/23078

API

curl https://kongchang.com/api/v1/knowledge/claims/23078

MCP

get_claim(id=23078)