简介：集成Waifu2x、SRMD、RealSR、Anime4K、Real-ESRGAN、Real-CUGAN、RIFE、RTX Super Resolution、IFRNet、CAIN、DAIN与ACNet等多种主流方案的图片/GIF/视频超分辨率与降噪及视频补帧工具包，面向图像处理开发者和多媒体工具使用者，适合做效果对比、算法集成与二次开发。压缩包共230个文件，大小75.88MB，涵盖cpp源码与h头文件、qrc与ui界面资源、pro与user工程配置、md说明文档、png/jpg效果图、gif/mp4演示视频、bat批处理脚本等，结构便于按功能模块查阅。已有255人浏览学习。通过示例图、录屏演示和可编译工程，读者可快速了解各算法的实际处理效果与调用方式，也可基于源码扩展自己的超分或补帧流程。无论动漫图片放大降噪、老照片修复、游戏截图增强，还是低帧率视频插帧平滑，都能找到对应模块；压缩包内还提供FFmpeg相关批处理脚本与多种格式样例，便于在真实数据上对比各算法的速度与质量，对入门者和进阶开发者均具实用价值。

1. 图片、GIF 与视频的放大降噪和补帧，到底在解决什么问题

先说个反直觉的结论：超分辨率和插帧这两件事，做出来效果好不好，七成取决于你在哪个环节做，三成才取决于用哪个模型。很多人上来就找“最强的重绘模型”“最牛的补帧网络”，结果把一张 512 的图硬拉到 2048，纹理是出来了，脸却成了另一个人；把 24fps 的视频插到 60fps，运动是顺了，但人物周围全是果冻一样的抖动。这不是模型不行，而是你把放大、降噪、插帧这三件事的先后顺序搞反了，或者压根没想清楚每一步的目标是什么。

这个方向通常被统称为“超分辨率 + 视频插帧”，实用面非常宽：老照片翻新、GIF 动图修复、低码率视频补救、动画番剧补帧、监控录像取证、游戏录屏变顺滑。核心就三件事：对单帧做空间上的超分（放大 + 降噪），对时间维做插帧（补出中间帧），以及把这两者组合成一条合理的处理流水线。听起来不复杂，但每一步都有不少坑，尤其是 GIF 这种既要处理帧间一致性、又受调色板限制的格式，很多人在这里翻车。

这篇文章我会按“先单帧超分 → 再做视频/GIF 插帧 → 最后串成完整流程”的顺序，把每一步的选型理由、参数设置和踩坑点讲透。你不需要先懂深度学习的数学，只要跟着命令和参数走，就能在本地把一套可用的管线跑起来。好，直接开始。

2. 单帧超分：先搞懂模型在做什么，再决定用哪个

2.1 超分模型的本质：从“猜纹理”到“补细节”的差异

单帧超分辨率，输入是一张低分辨率图，输出是一张高分辨率图。这里要建立一个基本认知：超分模型不是在“还原”原始高清图，而是在“猜测”高清图的纹理。因为低分辨率图的信息量本身就少于高分辨率图，所以无论模型多强，它都是在做条件概率估计。这解释了一个常见现象：老照片翻新时，人脸放大后看起来“很像”，但眼睛、牙齿这些高频细节偶尔会变得很奇怪。

这就引出了超分模型的两大流派。第一类是 PSNR 导向的模型，比如 ESRGAN 之前的 SRResNet，以及后来的 SwinIR 这类 Transformer 结构，它们在 PSNR 指标上表现很好，也就是像素误差小，但视觉上容易显得“糊”、缺乏纹理感。第二类是生成式/感知导向的模型，比如 Real-ESRGAN、BSRGAN，它们引入了 GAN 损失，输出看起来更锐利、更有细节，但可能出现伪纹理或幻觉细节。对照片类内容，我一般会选生成式模型；对文档、截图、UI 这类文字边缘敏感的内容，反而是 PSNR 型更可靠，因为 GAN 模型容易把文字笔画“画花”。

还要提一个很容易被忽略的点：降噪和超分其实是两回事，但很多超分模型内部把它合在一起做了。Real-ESRGAN 在训练时就加入了多种退化模拟，包括模糊、噪声、压缩伪影，所以它对老照片、低码率截图有天然的降噪效果。但这不等于你可以省掉前置去噪步骤——面对严重噪点（比如 ISO 3200 以上的夜间照片），直接在原始图上超分，会让噪点被模型“强化”成奇怪的花纹。正确做法是先做一次轻量保边降噪，再做超分。

2.2 用 Real-ESRGAN 跑通最小命令：选对模型文件比调参更关键

现在动手。最常见的开源超分工具链是 Real-ESRGAN 的官方实现，它提供了 Python 包和命令行工具。最小可用命令是这样的：

# 使用 Real-ESRGAN 对单张图片做 4 倍超分
realesrgan-ncnn-vulkan -i input.jpg -o output.png -n realesrgan-x4plus -s 4

# 对一张有很多噪点的老照片，使用专门针对人脸优化的模型
realesrgan-ncnn-vulkan -i old_photo.png -o restored.png -n realesrgan-x4plus-anime -s 4 -g 0

第一条命令里， -i 指定输入图片， -o 指定输出路径， -n 是模型名称， -s 是放大倍数。第二条命令里多了一个 -g 0 ，表示用 GPU 的 0 号设备。这里要特别说明一点： realesrgan-x4plus-anime 这个模型虽然名字里带 anime，但它在真实照片上同样可用，而且对“平滑区域 + 少量纹理”的内容（比如老照片里的人物皮肤）表现往往更好，因为它训练数据里包含了大量动漫风格，这类数据天然是干净、低噪声的，所以模型学到的是一个偏向“干净锐利”的映射。

如果你没有 NVIDIA 显卡，也不用慌。 realesrgan-ncnn-vulkan 这个版本基于 Vulkan 接口，能在 AMD、Intel 核显上运行。CPU 也能跑，但速度慢很多，一张 1080p 图用 CPU 做 4 倍超分可能需要几十秒到几分钟，GPU 只要几秒。

2.3 必调的三个参数和一组不建议乱动的参数

用 Real-ESRGAN 时，我一般只动这三个参数：

第一个是 -s 放大倍数。不要贪心。2 倍和 4 倍的效果差异比很多人想象中大，如果你想从 512 放大到 2048（即 4 倍），可以分两步：先 2 倍、再 2 倍。虽然理论上一气呵成更合理，但在 Real-ESRGAN 这类 GAN 模型上，分步放大能有效减少“油画感”和伪纹理。

第二个是 -t 后处理强度（tile size 的语义在 ncnn 版本里不太一样，这里指 -t 的 tile 参数）。当图片很大（比如 4000x3000），显存不够时，程序会自动分块处理。 -t 控制 tile 大小，默认是 0（自动）。如果显存报错，我会先设 -t 256 再试。但要注意：tile 太小会导致分块边缘出现接缝，这也是一个常见坑。

第三个是 -f 输出格式。默认是 png，无损；如果输出 jpg，超分会引入二次压缩伪影，等于白超分了。所以如果你的下游处理不需要 jpg，尽量保持 png。

不建议乱动的参数是 -m 模型路径和 -n 模型名之后的内部参数，比如 GAN 的权重比例（ w 参数在全 Python 推理脚本里才暴露，ncnn 版不开放）。原因很简单：Real-ESRGAN 的默认权重是在大量真实退化数据上调出来的，改权重比例很容易让输出变得过度锐化或过度平滑，而且不可控。

2.4 GIF 的超分方式与图片完全不同：先拆帧再合帧

GIF 的超分不能直接拿“GIF 文件”丢给超分模型，GIF 是一种调色板格式，最大只支持 256 色，直接超分会让颜色断层更明显。正确做法是先拆帧、逐帧超分、再重新编码为 GIF。但这里又遇到一个新问题：如果直接把每个帧独立超分，相邻帧之间的亮度、色调会轻微漂移，合成后视觉上就是闪烁感。所以实践中一般有两种策略：

第一种是“只超分关键帧，其他帧做运动补偿”。这种方案速度快、闪烁少，但运动区域会出现模糊。第二种是“全帧超分 + 后处理颜色锁定”，也就是所有帧都超分，然后用第一帧作为颜色参考，把后续帧的调色板向第一帧对齐。我常用的是第二种，因为现在用 gifski 这类编码器处理 RGB 序列，颜色锁定已经比较好控制了。

拆帧和合帧的命令如下：

# 将 GIF 拆为 PNG 序列
gif2png input.gif -o frames/

# 对每一帧调用 realesrgan 超分（假设已经写好循环脚本）
for f in frames/*.png; do
  realesrgan-ncnn-vulkan -i "$f" -o "upscaled/$(basename "$f")" -n realesrgan-x4plus -s 2
done

# 用 gifski 合成高质量 GIF（注意 --quality 参数）
gifski -o output.gif -W 1024 --quality 90 upscaled/*.png

这里 -W 1024 是输出 GIF 的宽度限制， --quality 90 是 1 到 100 的质量值，越高质量越好但文件越大。GIF 本身是 256 色调色板格式，所以就算你超分得再细腻，编码成 GIF 后颜色精度也会损失。所以如果最终产物是 GIF，我一般建议超分到 2 倍就够，再大只会增加文件体积，视觉收益很低。

2.5 单帧超分最常见的三个失败案例

接下来是避坑时间。我整理了三类最容易出问题的场景，按照“现象 → 原因 → 解决”来写，这些都是我自己踩过的。

现象一：人脸放大后五官变形，眼睛变成了两个黑洞。原因是输入的图片本身分辨率太低，且模型在 GAN 生成时发挥了太多“想象力”。解决方法是先做人脸修复（比如 GFPGAN 这类专用模型），再做普通超分，顺序不能反。如果你不想引入额外模型，可以换用 realesrgan-x4plus-anime ，它对人脸区域的约束更强，变形的概率低一些。

现象二：图片边缘出现明显的网格状伪影，像格纹一样。原因是 tile 分块处理时，块与块之间的重叠区域没有被模型充分利用，导致接缝处不连续。解决方法是增大 tile 大小，让每块有足够的上下文信息；如果显存不足，就降低 -s 倍数或对图片先做降采样。

现象三：超分后，原本光滑的皮肤变成了“橘子皮”状的凹凸纹理。原因是 GAN 模型的感知损失过度奖励了高频细节，导致它在平滑区域也生成了假纹理。这种情况我一般会换用 PSNR 导向的模型（比如 SwinIR），或者在命令里把放大倍数降为 2 倍，用后续的轻量锐化替代超分带来的“伪锐度”。

3. 视频超分与补帧：先想清楚时间维度的处理顺序

3.1 为什么要先超分后插帧？时序一致性在这里定生死

视频处理与单帧处理有一个本质区别：时间一致性。你逐帧超分，然后直接拼成视频，会发现画面在“呼吸”——静止背景的亮度在跳动，人物边缘在轻微抖动。原因是超分模型对每一帧独立推理，帧与帧之间的噪声分布不一致，模型把不同帧的噪声“复原”成了不同的纹理。

所以视频超分的正确姿势是：要么用带有时间维度的超分模型（比如 BasicVSR、RealBasicVSR，它们的输入是一段帧序列），要么用单帧超分模型但加上后处理。这里有一个很重要的顺序原则：先插帧还是先超分？

我的经验是“先超分，后插帧”。理由是：插帧模型本质上是估计运动向量，然后根据前后帧生成中间帧。如果先在低分辨率下插帧，插出来的帧在高分辨率下会暴露出运动估计不准、物体边缘模糊的问题；而先超分，再用高清帧做运动估计，运动向量更准，插帧效果也更好。还有一个次要原因是性能：低分辨率下插帧速度快，但超高分辨率下再放大，超分模型要处理的帧数反而多了。

3.2 RIFE 插帧这条路线：为什么它是本地最佳起步选择

视频补帧（插帧）目前最成熟的开源路线是 RIFE（Real-Time Intermediate Flow Estimation）。它用轻量级神经网络估计前后帧之间的光流，然后基于光流合成中间帧。相比早期的 DAIN（需要显存很大、运行速度慢），RIFE 速度快很多，且效果更好。

RIFE 的典型用法是通过它的命令行工具处理视频。处理方式是：先用 ffmpeg 把视频拆成帧序列，然后用 RIFE 对相邻帧补帧，最后再用 ffmpeg 合成视频。拆成帧的原因是 RIFE 的输入输出都是图片序列，这样便于控制补帧倍率和中间帧的保存格式。

# 用 ffmpeg 把视频拆成帧
ffmpeg -i input.mp4 -qscale:v 1 frames/%06d.png

# 使用 RIFE 插帧，2 倍补帧（每两帧之间补一帧）
python inference.py --img frames/ --output out_frames/ --fps 60 --scale 0.5

# 把补帧后的序列合成视频
ffmpeg -framerate 60 -i out_frames/%06d.png -c:v libx264 -crf 18 -pix_fmt yuv420p output.mp4

:scale 参数是 RIFE 推理时内部处理的分辨率缩放。默认是 1.0 即原始分辨率；如果你的显卡显存有限，可以设 0.5，让模型在半分辨率下做光流估计。这个设置的副作用是光流精度略微下降，但对大多数内容影响很小，而且速度会快很多。

这里有个命令细节很关键： --fps 60 不是你视频的真实 fps，而是“期望输出 fps”。RIFE 会根据这个值自动计算补帧数量。比如输入视频是 30fps，你想输出 60fps，那么每一对相邻帧之间补 1 帧，RIFE 会自动完成。如果你的输入是 30fps，想输出 90fps，那就补 2 帧。

3.3 视频超分 + 插帧的完整流水线：从拆帧到合成

把前面的步骤串起来，一条完整流水线是这样的：

# 1. 拆帧
ffmpeg -i input.mp4 -qscale:v 1 frames/%06d.png

# 2. 逐帧超分（这里用 2 倍，避免过度放大）
for f in frames/*.png; do
  realesrgan-ncnn-vulkan -i "$f" -o "sr_frames/$(basename "$f")" -n realesrgan-x4plus -s 2
done

# 3. 在超分后的帧序列上做 2 倍插帧
python inference.py --img sr_frames/ --output final_frames/ --fps 60

# 4. 合成输出视频
ffmpeg -framerate 60 -i final_frames/%06d.png -c:v libx264 -crf 16 -pix_fmt yuv420p output.mp4

这条流水线在本地做 1080p 到 2160p 的转换大致是：超分环节每帧约 0.5~2 秒（看显卡型号），RIFE 插帧每帧约 0.1~0.3 秒，所以一分钟 30fps 的视频乘以四倍帧数，整体耗时大约 20~40 分钟。如果你用的是核显或者纯 CPU，时间会翻三到五倍，这时你可以考虑降低 -s 到 2 倍：超分一次到位。

过程里， -qscale:v 1 保证了拆帧的 PNG 质量几乎无损；合成时用 -crf 16 是因为 crf 值越低质量越低压缩损失，16 一般是视觉无损的常规值，18 也够用，但超前加工时尽量留足余量。注意合成时 -pix_fmt yuv420p 是必须的，不然很多播放器会出现色偏或无法播放的问题。

3.4 动画与真人视频的参数差异：不是一套参数通吃

动画片和真人视频在超分和插帧的参数选择上差异很大。动画的特点是色块平、线条硬、运动大多为平移或缩放，所以对超分模型的“臆测”空间小，插帧的光流估计也更简单。动画超分推荐用 realesrgan-x4plus-anime ，插帧时 RIFE 的默认参数即可；但要注意，动画里经常出现的“网格线、细线条”容易在超分后变成锯齿，所以很多人会给动画超分增加一个前置的轻量放大降噪。

真人视频则相反，纹理复杂、遮挡频繁（比如手挥过脸前），插帧最容易出现的问题是运动物体边缘的“撕裂”或“虚化”。我的经验是：真人视频插帧时，把 RIFE 的 --scale 调为 1.0，宁可慢一点也不要在半分辨率下估计光流，否则手部快速摆动时，手指之间的运动向量估计会互相干扰，补出来的帧会出现“三根手指变四根”这样的幻影。

还有一个容易被忽略的场景：屏幕录制。录屏内容包含清晰文字和 UI 元素，超分时用 GAN 模型会把文字笔画加粗或扭曲，插帧时文字滚动可能产生重影。如果做录屏处理的读者，建议超分阶段用 PSNR 导向模型（比如 SwinIR 的预训练权重），插帧则可以保留 RIFE 的默认设置。

3.5 视频超分插帧的四条避坑记录

现象一：处理完的视频出现音画不同步，音频长度没变但画面长度变了。原因是插帧改变了帧数，但你没有重新调整音频轨道。解决方法是合成视频后用 ffmpeg 把原始音频按新视频时长做 -map 映射重新封装，或者干脆在拆帧前先用 -shortest 思路处理音频。更稳妥的做法是：在合成视频时不加音频，最后单独用 ffmpeg -i output.mp4 -i original.m4a -c:v copy -c:a aac -shortest final.mp4 把音频加回去。

现象二：插帧后人物面部出现“融化”效果，脸的一部分在动另一部分在静。原因是 RIFE 在处理面部这类小区域快速变形时，光流不够精确，中间帧被平均掉了。解决方案是把插帧倍率从 2 倍降到 1.5 倍（即 30fps 到 45fps），或者用分段插帧法：先对视频做一次 1.5 倍插帧，再单独对运动最剧烈的片段做 2 倍，最后拼接。

现象三：超分后视频整体偏黄或偏绿。原因是 Real-ESRGAN 模型在训练时使用了特定色彩空间的数据增强，权威做法是输入时保持 sRGB，但输出会被限制到某个范围。解决方法是：拆帧时不要用 yuv444p，直接用 rgb24；在超分后，用 ffmpeg 的 -vf "colorbalance=..." 做轻微颜色校正。我一般会在输出视频时加 -vf "unsharp=5:5:0.8:3:3:0.4" 做轻度锐化，同时掩饰超分带来的细微波纹。

现象四：显存不足直接崩溃。原因是超分和插帧同时在高分辨率下运行。解决方法是分阶段处理：先超分保存中间结果，再插帧；且中间帧保存为 png 而非 jpg。另一个技巧是超分阶段用 -t 256 限制 tile 大小，插帧阶段用 --scale 0.5 降低光流计算量。这样可以把整个流程控制在 6GB 显存以内。

4. 放大降噪与补帧的选型决策：什么时候必须放弃全自动

4.1 “最大倍数”不是目标，目标应该是“目标分辨率”

很多读者会问：“我这个模型最大能放大几倍？”实际上这是一个伪问题。任何超分模型都能把一张 128x128 的图放大到 4096x4096，但意义无非是把一团模糊像素“脑补”成更精细的模糊像素。真正应该问的是：“我的目标分辨率是多少？在这个目标下，我能不能保持足够的真实感？”

实用建议是：照片类内容，一次超分不要超过 4 倍；GIF 因为调色板限制，超过 2 倍基本只会增大体积；视频按播放平台的分辨率要求来定。如果你要把 480p 的视频放上流媒体，目标是 1080p 那就是 2.25 倍，一次搞定；如果目标是 4K，那就拆成两次 2 倍，中间做一次轻量去噪。

4.2 全自动管线与人工介入的边界在哪里

现在市面上有不少“一键视频增强”工具，但它们的底层逻辑大多就是把 Real-ESRGAN + RIFE 封装起来。全自动管线的优势是省心，但有一个致命问题：它不知道你的内容想要什么效果。比如一段采访视频，画面里的“噪点”其实是一种颗粒质感，观众已经习惯这种质感了，全自动降噪会把皮肤磨成塑料；又比如一段老胶片扫描，自动超分会把胶片颗粒放大成奇怪的污渍。

我的建议是：先做一次 30 秒的小样测试。取视频中最复杂的 3 秒片段，跑完整流程，用播放器逐帧检查。检查的点有三个：运动物体边缘是否有撕裂；静止区域是否有“呼吸感”（亮度抖动）；文字或标志是否有扭曲。如果这三项里有两项不过关，那就要人工介入，通常是两步：把超分倍数降一档，或者对视频做一次轻量时间域降噪（比如 ffmpeg 的 -vf "hqdn3d=1.5:1.5:6:6" ）来压制帧间噪声。

4.3 显卡品牌与显存性能对方案选择的影响

GPU 厂商的选择在超分和插帧上有实际差异。NVIDIA 显卡因为有 CUDA，几乎所有的超分/插帧框架都优先支持；AMD 显卡用户可以用基于 Vulkan 的 ncnn 版本，但差点意思；Intel 核显追求的是“能跑”，但性能与兼容性都要打折扣。我个人的策略是：主力机用 NVIDIA 显卡跑超分，备用机制用 CPU 跑 RIFE 的低分辨率插帧，避免把时间浪费在无谓的参数调试上。

显存大小决定了 tile 大小和 batch size。6GB 显存跑 1080p 超分到 4K 没问题，但要同时跑 Real-ESRGAN + RIFE，显存就可能吃紧。此时不要用“减小图片分辨率”来硬撑，而是采用流程图里的分阶段方案：把中间结果存成 PNG 临时文件，释放显存后进入下一阶段，这对显存低于 4GB 的机器尤其重要。

4.4 如何判断一个预训练模型适不适合你的数据

选模型的另一个实用技巧是构建一个“内容探测集”。从你的真实数据中提取 5 张代表性图片和 10 秒代表性视频，用三种不同模型分别处理，然后拼接成对比图（可以用 ffmpeg 的 hstack 拼接），用肉眼观察。重点看三个区域：人脸、文字、纹理密集区（比如草地、树叶、布料）。

比如你处理的是显微镜图像或卫星照片，Real-ESRGAN 这类自然图像预训练模型几乎一定不适合，它们的本质是把“自然图像的退化”学进去了，但显微图像的退化模型完全不同。这种时候你需要找特定领域微调的 checkpoint，有时甚至要自己训练，代价较高。普通人能做的事是：先用 PSNR 型通用模型保持结构，再用轻量锐化补足紫边。

5. 从 60fps 到 120fps：GIF 与视频补帧的进阶玩法

5.1 高帧率补帧中“补帧数量”的计算方法

当你想从 30fps 补到 120fps 时，RIFE 的补帧逻辑是：在每对相邻原始帧之间生成 3 个中间帧。这个计算关系是：所需中间帧数 = (目标帧率/原始帧率) - 1，然后 RIFE 在内部逐级生成。实际上 RIFE 用的是“插帧树”的方式：先插中点帧，再插四分之一和四分之三位置的点，这样能保证时间上的均匀性，同时每次只做二分之一的插值，误差更小。

但这里有一个关键限制：高倍数补帧（3 倍以上）时，运动物体的形变和遮挡会导致中间帧出现“虚影”。比如运动员挥手，手的运动是大幅度旋转的，光流很难在两帧之间得到准确运动场，插帧出来的手可能半透明。所以如果必须做 4 倍补帧，我的做法是分段进行：第一次 2 倍，保存；第二次拿第一次的结果再插 2 倍。每次插帧时运动距离减半，光流估计的准确性显著提升。

5.2 利用光流可视化排查补帧质量问题

排查插帧质量问题有一个很实用的方法：把光流可视化。RIFE 在推理过程中可以输出光流图，你可以用它来判断“模型认为物体移动到了哪里”。如果光流图存在大块的不连续区域，那这帧的插帧结果大概率会有问题。你可以用如下命令输出光流：

python inference.py --img frames/ --output out_frames/ --fps 60 --output-flow

--output-flow 参数会在输出目录里生成光流可视化图（通常以浮点或者 png 格式保存）。然后你可以在光流图里检查运动物体边缘是否干净利落地分开。如果光流图里手部和背景是“糊”在一起的（边缘过渡区太宽），就说明该区域需要降低补帧倍数或者加个 motion mask 让模型只对主要运动区域做高精度插值。

实际上，图像超分和视频插帧的调试逻辑是共通的：先看中间产物，再决定动哪一层。很多人喜欢直接改参数，一跳就是好几步，最后改乱了也不知道是哪里出的问题。我的习惯是一次只改一个参数，跑一小段，看效果，再改下一个。

5.3 GIF 高帧率再造：从 15fps 到 60fps 的具体流程

GIF 动图通常帧率很低（常见 10~15fps），插帧修复后可以明显变顺滑。但 GIF 的插帧需要警惕“运动幅度”问题——GIF 帧间距大，两帧之间物体可能移动了很长一段距离，直接插帧很容易出现运动模糊或残影。

我的推荐做法是：如果运动幅度大，先插 2 倍（即 15fps 到 30fps），停一停检查运动区域是否干净，再插 2 倍（到 60fps）。如果运动幅度本身很小（比如头像跳动、灯光闪烁），那一次插到 60fps 问题不大。

具体命令如下：

# 1. GIF 拆帧，注意保持颜色模式为 RGB
gif2png input.gif -o frames/

# 2. 第一次 2 倍插帧
python inference.py --img frames/ --output mid_frames/ --fps 30

# 3. 第二次 2 倍插帧
python inference.py --img mid_frames/ --output final_frames/ --fps 60

# 4. 合成 GIF
gifski -o output.gif -W 原宽度 -Q 90 final_frames/*.png

这里的 --fps 30 和 --fps 60 只是告诉 RIFE 你想要的输出帧率，实际文件本身没有时基，只要后续用 gifski 合成并设置好播放帧率即可。注意合成 GIF 时不要设置超过 60fps 的播放速度，GIF 格式本身对高帧率支持很差，很多看图软件和浏览器会直接丢弃多余的帧。

5.4 补帧模型的局限：什么时候补帧是“无效功”

补帧不是万能的，有三种情况我根本不会做补帧：

第一种是原视频本身是 24fps 的胶片电影。此时补帧到 60fps 会破坏电影一贯的“卡顿感”，让画面看起来异常“顺滑”，也就是所谓的“肥皂剧效应”。如果你不是做动漫高帧率重制，不建议给电影内容补帧。

第二种是严重抖动的视频（手持拍摄的剧烈抖动）。RIFE 只能估计平滑运动的光流，对于S字形的剧烈抖动，光流估计很容易失效，补出来的帧会出现严重的几何变形。正确做法是先做视频稳像（比如 ffmpeg 的 vidstab 或专用稳定工具），再做补帧。

第三种是视频中物体快速穿过镜头（比如车辆从镜头前飞驰而过）。这种大位移、遮挡与运动模糊同时存在的情况，补帧模型几乎一定会出问题。此时我宁愿保持原帧率，也不愿意为了凑帧率制造出半个车身。

6. 一条经验：多分辨率级联处理，用最少资源拿到最好结果

最后分享一个我反复使用且几乎每次都能提升质量的技巧：多分辨率级联。具体思路是不要一次把分辨率拉到目标值，而是逐步放大，并在每个阶段之间插入一次轻量降噪。

比如一个 480p 的老视频，最终目标是 1440p。常见做法是直接 3 倍超分。但级联做法是：先把 480p 放大到 720p（1.5 倍），用轻量降噪（比如 ffmpeg 的 hqdn3d ）去除放大过程可能产生的微小块状伪影；再从 720p 放大到 1080p（1.5 倍），再降噪；最后从 1080p 放大到 1440p（1.33 倍）。这里的“降噪”不是因为它本来有噪点，而是要消除超分模型在上一阶段引入的、规模很小的纹理伪影。如果不做中间降噪，这种伪影会逐级放大，最终在静止区域形成肉眼可见的“水波纹”。

代码实现如下：

# 第一阶段：1.5 倍超分 + 轻量降噪
for f in frames/*.png; do
  realesrgan-ncnn-vulkan -i "$f" -o stage1/$(basename "$f") -n realesrgan-x4plus -s 1.5
  ffmpeg -i "stage1/$f" -vf "hqdn3d=1.2:1.2:4:4" "stage1_dn/$f"
done

# 第二阶段：再 1.5 倍
for f in stage1_dn/*.png; do
  realesrgan-ncnn-vulkan -i "$f" -o stage2/$(basename "$f") -n realesrgan-x4plus -s 1.5
done

注意 -s 参数在 Real-ESRGAN 里支持小数吗？在 ncnn 版本中， -s 的类型是浮点数，支持 1.5、2、4 等值。但要注意：模型本身输出的倍率是固定的（比如 realesrgan-x4plus 最多 4 倍），如果你传 -s 1.5 ，程序会先内部放大到 4 倍，再降采样到 1.5 倍。所以实际耗时和 4 倍超分一样，但输出尺寸是你指定的倍率。这一点很多人不知道，误以为小数倍率更快。

由于这个特性，级联方案的耗时实际上比直接一次 2 倍更多（因为每次都跑了 4 倍超分的计算），但质量更好。所以我一般只在“源素材质量较差”时才做级联，质量还不错的视频就直接一次到位。

验证你的输出质量，最简单的方法是“盲看测试”：把处理后的片段和原始片段各抽 30 帧，按时间线交替播放，然后问自己一个问题——如果这是别人发来的视频，我能一眼看出它被处理过吗？如果看不出，说明处理得不错；如果看出了，对比着原始片段逐帧找差异，基本能定位是超分的问题还是插帧的问题。

我从接触超分辨率开始踩过的坑，比这篇文章里写的还要多一倍。最深刻的一条教训是：不要追求一次到位，不要追求极限参数，先把一条最简单的管线在十秒素材上跑通，再一步步加东西。这样每次改动都有一组可对比的中间结果，出了问题也能快速定位到具体环节。希望这套思路能帮你在图片、GIF 和视频的超分与补帧上少走弯路，尽快拿到自己满意的成品。

本文还有配套的精品资源，点击获取