AI 放大和 Bicubic、Lanczos 差在哪：畫面到底變了什麼

AI 放大和傳統放大都能把小畫面變成大畫面，差別在新像素從哪裡來。Bicubic 和 Lanczos 是從相鄰像素算出來的，所以畫面變大了，細節並沒有變多。AI 放大則依照訓練時學到的規律推測細節。

因此邊緣、頭髮和紋理可能比來源更清晰，偶爾也會是憑空畫出來的。該用哪一種，要看放大倍數有多大、來源的狀況如何。

• 傳統放大（最近鄰、雙線性、Bicubic、Lanczos）是用周圍的像素算出每個新像素。畫面變大了，但不會多出新資訊。
• AI 放大用訓練好的模型推測看起來合理的細節，通常還會同時減少雜訊和壓縮損傷。
• Lanczos 比 Bicubic 更銳利，但在硬邊緣旁出現淡淡光暈的風險也更高。最近鄰只適合像素畫，其他用途不大。
• 放大 2 倍以上、來源經過壓縮或雜訊多、線稿畫面，這些情況下 AI 多花的處理時間才划算。乾淨的影片只是小幅縮放，好的傳統縮放演算法往往就夠了。
• 兩種方法都找不回攝影機沒拍到的細節。請在影片實際要播放的螢幕上，以 1:1 實際像素檢視來判斷結果。

放大是增加圖片或影片的像素尺寸，例如從 1280 × 720 放大到 1920 × 1080。每次放大都得填補原本不存在的像素。1080p 一幀有 2,073,600 個像素，720p 一幀有 921,600 個，所以 720p 放大到 1080p 時，約 56% 的像素是新產生的。

只要影片比顯示區域小，電視、瀏覽器和剪輯軟體就會隨時幫你放大，用的通常是傳統縮放演算法。HandBrake 的文件點出了代價：低於 720p 的影片通常會被放大到填滿螢幕，連小瑕疵也一起被放大。

每種傳統方法都是一條插值規則，也就是一個公式，決定周圍每個來源像素對新像素貢獻多少。FFmpeg 的縮放器文件列出了常見的幾種。

• 最近鄰（點取樣）。 直接複製最近的來源像素。結果會有方塊感，但像素的硬邊緣維持銳利，這正是像素畫和復古遊戲錄影以整數倍（2x、3x、4x）放大時需要的。
• 雙線性（Bilinear）。 以直線方式混合最近的像素。平滑但偏軟。
• Bicubic。 用平滑的三次曲線擬合周圍像素。比雙線性銳利，是一般用途的常見選擇。它是 FFmpeg 的預設值，設定為 Mitchell-Netravali 型的曲線。
• Lanczos。 一種加窗 sinc 濾波器，參考的範圍更大（FFmpeg 預設 3 個 tap）。邊緣比 Bicubic 更銳利，在高對比邊緣旁可能多出淡淡的亮邊或暗邊，通常稱為振鈴（ringing）。
• 其他。 區域平均主要用於縮小（FFmpeg 註明它在放大時等同雙線性）；Gaussian 和 spline 介於上述選項之間。

它們的共同點比差異更重要：每個輸出像素都是輸入像素的加權平均。所以用傳統方法放大的 720p 影片，看起來仍是放在大畫布上的 720p。邊緣會變得更平滑或更銳利，但不會出現新的紋理，來源裡的雜訊、壓縮方塊或模糊也會跟著一起變大。

AI 放大工具常被稱為超解析度模型，是一種用低解析度與高解析度圖片配對訓練出來的神經網路。訓練時，它學會某個低解析度區塊通常對應什麼樣的高解析度圖樣：磚牆、睫毛或樹葉在像素更多時大概長什麼樣子。實際執行時，它就為你的畫面推測出這些圖樣。

這帶來三個結果：

1. 它會補上看起來合理的細節。 邊緣乾淨，紋理也比任何插值做出來的更細密。
2. 放大時通常順便清理畫面。 用劣化輸入訓練的模型，也學會了減少雜訊、壓縮方塊和模糊。KwaFlux 的 智能修復 就是刻意這樣設計的：它讀取每段影片的畫質檢測結果，視需要組合降噪、銳化、色彩與亮度校正、放大，以及人臉與細節修復。
3. 細節是推測出來的。 來源的資訊不夠時，模型畫出的是看起來對的東西，而不是原本存在的東西。小臉、遠處的文字和細小的重複圖樣，最先露出破綻。

影片還多了第四點：幀與幀之間的一致性。如果紋理是逐幀推測的，播放時就可能閃動。許多影片模型會參考相鄰的幀讓細節保持穩定，但預覽時這仍是首先要檢查的地方。

補充：「AI 放大」和「AI 增強」有重疊。許多放大工具會在同一次處理裡同時修復和調整尺寸，所以同一段影片就算維持原尺寸也可能看起來更乾淨。如果你只想要更大的畫面、其他什麼都不改，傳統縮放才是名副其實的工具。

• 乾淨影片的小幅縮放。 從 1080p 放大到 1440p，來源又是清晰、曝光正常的攝影機檔案，Bicubic 或 Lanczos 通常就夠了。
• 螢幕反正會再縮放。 如果觀眾的電視或播放器無論如何都會縮放影片，事先用同類的演算法放大，除了讓檔案變大之外沒什麼幫助。
• 剪輯時間軸與代理檔。 影片只需要符合專案解析度時，尺寸比細節重要。
• 像素畫與復古錄影。 用最近鄰放大 2x、3x 或 4x，每個像素都能維持方正。

• 放大 2 倍以上： 720p 到 1440p、1080p 到 4K、SD 到 HD。倍數越大，傳統縮放就得把越多畫面抹開。實際範例見 720p 怎麼放大到 1080p。
• 受損的來源。 壓縮方塊、感光元件雜訊和失焦，經過插值都會跟著變大。AI 放大通常會在放大過程中把它們減少。
• 動畫與線稿。 眼睛最先檢查的是乾淨的線條和平塗色塊。針對動畫調校的模型能讓線條保持細、平塗區域填得乾淨。
• 要長期保存的影片。 家庭影片和典藏資料，多花的處理時間只需要付出一次。來源非常小時能有什麼合理期待，請看 480p 到 4K：AI 能找回什麼。

光看說明的幫助有限。挑一個有細節的鏡頭（頭髮、樹葉、布料、小字），以最終交付的尺寸來比較。

在 KwaFlux 中

1. 打開畫質修復。 在側欄進入 畫質增強，打開 智能修復 卡片，或選一張符合你影片的場景修復卡片，例如 動漫畫面。
2. 匯入影片並設定輸出尺寸。 在 匯出設定 裡，把 解析度 設為目標值，例如 1080p 或 4K。
3. 渲染預覽。 在有細節的鏡頭上選擇 預覽 1 秒、預覽 3 秒 或 預覽 5 秒。
4. 和等尺寸的基準比較。 在修復前後對比畫面中，修復前（等尺寸） 基準是用傳統縮放把來源放大到輸出解析度的結果。把 AI 結果和它擺在一起，就能在相同的尺寸下看出模型比單純縮放多做了什麼。
5. 先看分數，再相信自己的眼睛。 在 設定 › 預覽 裡打開 預覽後自動畫質對比 後，KwaFlux 會為變化評分：清晰度、乾淨度、美學 和 技術，另外還有 解析度提升 與 與原片接近程度 (VMAF)。App 自己的提示說明了怎麼解讀：VMAF 旁標註「數值高表示改動小，並非畫質更好」，面板也提醒這些是客觀的演算法指標，最終還是以你自己的眼睛為準。評分的原理見 我們怎麼為影片畫質評分。

用 FFmpeg（免費）

各做一個 Bicubic 和 Lanczos 版本，再左右並排：

ffmpeg -i input.mp4 -vf "scale=1920:-2:flags=bicubic" -c:v libx264 -crf 16 -an bicubic.mp4
ffmpeg -i input.mp4 -vf "scale=1920:-2:flags=lanczos" -c:v libx264 -crf 16 -an lanczos.mp4
ffmpeg -i bicubic.mp4 -i lanczos.mp4 -filter_complex hstack -c:v libx264 -crf 16 compare.mp4

-2 會維持長寬比，並把高度取成偶數。較低的 CRF（16）可避免編碼器把你想看的差異掩蓋掉。打開 compare.mp4，停在有細節的鏡頭上，以 1:1 實際像素檢視：左邊是 Bicubic，右邊是 Lanczos。

補充：flags=lanczos 是在 FFmpeg scale 濾鏡裡選演算法的傳統寫法。目前的縮放器文件已把透過 flags 選演算法標為棄用，改用另一個 scaler 選項，所以請執行 ffmpeg -h filter=scale，看看你的版本接受哪些寫法。

技巧： 以觀眾實際觀看的尺寸來比較。在桌上型螢幕上 1:1 檢視很明顯的差異，到手機上可能就看不出來；筆電上看不到的光暈，在 65 吋電視上可能很礙眼。

• 找回沒拍到的細節。 看不清的文字還是看不清。AI 模型可能畫出像字母的形狀，這比維持模糊更糟。
• 把嚴重失焦的畫面變清晰。 輕微的偏軟會改善；焦點嚴重跑掉就救不回來。
• 讓動作更流暢。 放大增加的是像素，不是幀數。想要更流暢的動作，要用 補幀。
• 還原先前處理留下的瑕疵。 手機或前一次匯出造成的過度銳化光暈和強力降噪，已經是畫面的一部分。AI 可以減輕其中一些，但無法逆轉。

傳統縮放決定的是怎麼拉伸你已有的像素，AI 放大決定的是缺少的像素大概長什麼樣子。來源乾淨、倍數小時用前者；倍數大或來源受損時用後者。決定匯出之前，先把兩者並排比較。

KwaFlux 在你自己的 GPU 上執行AI 影片超清。AI 處理在你自己的 GPU 上執行，媒體檔案不會為了處理而上傳。可在 Windows 10（64 位元，1809 或更新版本）、Windows 11，以及搭載 Apple Silicon 的 macOS 12 或更新版本上執行。預覽不需要帳號：任何片段都能渲染 1、3 或 5 秒的預覽。僅在匯出、轉換、檔案修復和從連結下載檔案時需要登入並購買付費方案。