隨着AI技術的飛速發展，大模型在圖像放大領域的表現已令人驚歎，高清化低分辨率圖片早已不是難事。然而，在視頻超分辨率（RealVSR）領域，如何在保持幀間流暢性的同時大幅提升清晰度，一直是技術難題。近日，由香港理工大學與OPPO研究院聯合研發的DLoRAL框架橫空出世，以其創新的雙LoRA架構和高效的單步生成能力，爲視頻高清化提供了開源解決方案，引發業界廣泛關注。以下，AIbase爲您獨家解讀這一突破性技術的亮點與潛力。

image.png

項目地址:https://github.com/yjsunnn/DLoRAL

創新雙LoRA架構，兼顧時間與空間

DLoRAL（Dual LoRA Learning）框架基於預訓練的擴散模型(Stable Diffusion V2.1)，通過獨特的雙LoRA架構實現了視頻超分辨率的革命性突破。其核心在於兩個專門設計的LoRA模塊:

 CLoRA:專注於視頻幀之間的時間一致性（Temporal Consistency）。通過提取低質量輸入視頻中的時序特徵，CLoRA確保相鄰幀之間過渡自然，避免了傳統方法中常見的閃爍或跳躍現象。

 DLoRA:負責增強視頻的空間細節（Spatial Details）。DLoRA通過優化高頻信息，顯著提升畫面的清晰度和細節表現，讓低分辨率視頻煥發出高清質感。

這種雙LoRA設計將時間一致性與空間細節增強兩大目標解耦，通過輕量化的模塊嵌入預訓練擴散模型，既降低了計算成本，又提升了生成效果。

雙階段訓練策略，效率與質量雙贏

DLoRAL的訓練過程採用了創新的雙階段策略，分爲一致性階段和增強階段，交替優化以實現最佳性能:

 一致性階段:通過CLoRA模塊和CrossFrame Retrieval（CFR）模塊，結合一致性相關損失函數，優化視頻幀間的時序連貫性。這一階段確保生成的視頻在動態場景下也能保持流暢。

 增強階段:凍結CLoRA和CFR模塊，專注於訓練DLoRA，利用分類器分數蒸餾（CSD）等技術進一步提升高頻細節，讓畫面更加銳利清晰。

這種交替訓練的方式讓DLoRAL能夠專注於不同目標的優化，最終在推理階段通過單步生成，將CLoRA和DLoRA融合到凍結的擴散UNet中，實現高效的高質量視頻輸出。相比傳統多步迭代的超分辨率方法，DLoRAL的推理速度提升約10倍，展現了驚人的效率優勢。

開源賦能，助力學術與產業

DLoRAL的開源發佈爲學術界和產業界帶來了福音。其代碼、訓練數據以及預訓練模型已於2025年6月24日在GitHub上公開，項目頁面還提供了詳細的2分鐘講解視頻和豐富的視覺效果展示。DLoRAL不僅在視覺質量上超越了現有的RealVSR方法，還在PSNR和LPIPS等指標上展現了優異性能。然而，由於繼承了Stable Diffusion的8倍下采樣變分自編碼器（VAE），DLoRAL在恢復極細小文本等細節時仍存在一定侷限性，未來改進空間值得期待。

視頻超分辨率的未來風向

DLoRAL的出現標誌着視頻超分辨率技術邁向了一個新階段。其單步生成能力和開源特性爲開發者提供了低成本、高效率的解決方案，極大地降低了視頻高清化的技術門檻。AIbase認爲，隨着更多研究者和企業基於DLoRAL進行二次開發，視頻處理領域或將迎來更多創新應用，例如實時視頻增強、影視後期製作優化等。