随着 AI 技术的飞速发展，大模型在图像放大领域的表现已令人惊叹，高清化低分辨率图片早已不是难事。然而，在视频超分辨率 （RealVSR） 领域，如何在保持帧间流畅性的同时大幅提升清晰度，一直是技术难题。近日，由香港理工大学与 OPPO 研究院联合研发的 DLoRAL 框架横空出世，以其创新的双 LoRA 架构和高效的单步生成能力，为视频高清化提供了开源解决方案，引发业界广泛关注。以下，AIbase 为您
项目地址:https://github.com/yjsunnn/DLoRAL
创新双 LoRA 架构，兼顾时间与空间
DLoRAL（DualLoRALearning） 框架基于预训练的扩散模型(StableDiffusionV2.1)，通过独特的双 LoRA 架构实现了视频超分辨率的革命性突破。其核心在于两个专门设计的 LoRA 模块:
CLoRA: 专注于视频帧之间的时间一致性 （TemporalConsistency）。通过提取低质量输入视频中的时序特征，CLoRA 确保相邻帧之间过渡自然，避免了传统方法中常见的闪烁或跳跃现象。
DLoRA: 负责增强视频的空间细节 （SpatialDetails）。DLoRA 通过优化高频信息，显著提升画面的清晰度和细节表现，让低分辨率视频焕发出高清质感。
这种双 LoRA 设计将时间一致性与空间细节增强两大目标解耦，通过轻量化的模块嵌入预训练扩散模型，既降低了计算成本，又提升了生成效果。
双阶段训练策略，效率与质量双赢
DLoRAL 的训练过程采用了创新的双阶段策略，分为一致性阶段和增强阶段，交替优化以实现
一致性阶段: 通过 CLoRA 模块和 CrossFrameRetrieval（CFR） 模块，结合一致性相关损失函数，优化视频帧间的时序连贯性。这一阶段确保生成的视频在动态场景下也能保持流畅。
增强阶段: 冻结 CLoRA 和 CFR 模块，专注于训练 DLoRA，利用分类器分数蒸馏 （CSD） 等技术进一步提升高频细节，让画面更加锐利清晰。
这种交替训练的方式让 DLoRAL 能够专注于不同目标的优化，最终在推理阶段通过单步生成，将 CLoRA 和 DLoRA 融合到冻结的扩散 UNet 中，实现高效的高质量视频输出。相比传统多步迭代的超分辨率方法，DLoRAL 的推理速度提升约 10 倍，展现了惊人的效率优势。
开源赋能，助力学术与产业
DLoRAL 的开源发布为学术界和产业界带来了福音。其代码、训练数据以及预训练模型已于 2025 年 6 月 24 日在 GitHub 上公开，项目页面还提供了详细的 2 分钟讲解视频和丰富的视觉效果展示。DLoRAL 不仅在视觉质量上超越了现有的 RealVSR 方法，还在 PSNR 和 LPIPS 等指标上展现了优异性能。然而，由于继承了 StableDiffusion 的 8 倍下采样变分自编码器 （VAE），DLoRAL 在恢复极细小文本等细节时仍存在一定局限性，未来改进空间值得期待。
视频超分辨率的未来风向
DLoRAL 的出现标志着视频超分辨率技术迈向了一个新阶段。其单步生成能力和开源特性为开发者提供了低成本、高效率的解决方案，极大地降低了视频高清化的技术门槛。AIbase 认为，随着更多研究者和企业基于 DLoRAL 进行二次开发，视频处理领域或将迎来更多创新应用，例如实时视频增强、影视后期制作优化等。
