AI 放大与双三次、Lanczos 插值：到底差在哪

AI 放大和传统放大都是把小画面变成大画面，区别在于新像素从哪来。双三次和 Lanczos 用相邻像素计算新像素，所以画面变大了，细节并没有变多。AI 放大器根据训练中学到的规律推测细节。

因此边缘、头发和纹理可能比原素材更锐利，偶尔也会凭空画出来。哪种合适，取决于放大幅度有多大、素材本身状态如何。

• 传统放大（最近邻、双线性、双三次、Lanczos）用周围的像素算出每个新像素。画面变大了，但不会出现新的信息。
• AI 放大用训练好的模型推测看起来合理的细微细节，通常还会顺带减轻噪点和压缩损伤。
• Lanczos 看起来比双三次更锐利，但硬边缘旁出现淡淡光晕的风险也更大。最近邻适合像素画，除此之外用处不大。
• 放大 2 倍及以上、素材有压缩或噪点、线稿类画面，AI 多花的处理时间才划算。干净素材的小幅缩放，好的传统缩放算法往往就够了。
• 两类方法都找不回摄像机没拍到的细节。请在视频最终要播放的屏幕上，以 100% 缩放判断效果。

放大就是增加图片或视频的像素尺寸，比如从 1280 × 720 变成 1920 × 1080。每次放大都要填上原本不存在的像素。1080p 一帧有 2,073,600 个像素，720p 一帧有 921,600 个，所以从 720p 放大到 1080p，约 56% 的像素是新生成的。

电视、浏览器和剪辑软件一直在放大：只要视频比显示区域小，它们就会放大，通常用的是传统缩放算法。HandBrake 的文档指出了代价：低于 720p 的视频通常会被放大到铺满屏幕，连很小的瑕疵也会被放大。

每种传统方法都是一条插值规则，也就是一个公式，规定周围每个源像素对新像素贡献多少。FFmpeg 的缩放器文档列出了常见的几种。

• 最近邻（点采样）。 直接复制最近的源像素。结果是一块一块的，但像素的硬边缘保持锐利，像素画和复古游戏录屏按整数倍（2x、3x、4x）放大时要的正是这一点。
• 双线性。 把最近的几个像素按直线混合。平滑、偏软。
• 双三次。 用一条平滑的三次曲线拟合周围像素。比双线性更锐利，是通常的通用选择。它也是 FFmpeg 的默认算法，参数设成 Mitchell-Netravali 式的曲线。
• Lanczos。 一种加窗 sinc 滤波器，参考的邻域更大（FFmpeg 默认 3 个抽头）。它的边缘比双三次更利落，但在高对比度边缘旁可能多出淡淡的亮边或暗边，通常叫振铃。
• 其他。 区域平均主要用于缩小（FFmpeg 注明放大时它等同于双线性）；高斯和样条介于上面几种之间。

它们的共同点比差异更重要：每个输出像素都是输入像素的加权平均。这就是为什么用传统方法放大的 720p 视频，换到更大的画布上看起来仍然是 720p。边缘会更平滑或更利落，但不会出现新的纹理，素材里的噪点、压缩色块和模糊也跟着一起变大。

AI 放大器常被称为超分辨率模型，是用成对的低分辨率和高分辨率图片训练出来的神经网络。训练时它学会某个低分辨率小块通常对应什么样的高分辨率图案：砖墙、睫毛或树叶在像素更多时大概长什么样。运行时，它为你的画面推测出这些图案。

这带来三个结果：

1. 它会补出看起来合理的细节。 边缘干净，纹理比任何插值都显得更密。
2. 它通常边放大边清理。 用退化素材训练的模型也学会了减轻噪点、压缩色块和发软。KwaFlux 的 智能修复 就是有意这样设计的：它读取每段素材的画质检测结果，按需组合去噪、锐化、色彩与亮度校正、放大，以及人脸和细节修复。
3. 细节是推测出来的。 素材里信息不够时，模型画出的是看起来对的东西，而不是原本的样子。小脸、远处的文字和细密的重复图案最先露馅。

视频还有第四点：帧与帧之间的一致性。如果纹理逐帧推测，播放时可能会闪动。很多视频模型会参考相邻帧让细节保持稳定，但预览时仍然应该先看这一点。

补充： “AI 放大”和“AI 增强”有重叠。很多放大器一遍里同时修复和缩放，所以同一段素材在原尺寸下也可能看起来更干净。如果只想要更大的画面、其他什么都不改，传统缩放算法才是名副其实的工具。

• 干净素材的小幅缩放。 清晰、曝光正常的相机素材从 1080p 到 1440p，双三次或 Lanczos 基本就够。
• 屏幕反正会再缩放。 如果观众的电视或播放器无论如何都会缩放视频，事先用同类算法放大，只会让文件变大，别的好处不多。
• 剪辑时间线和代理文件。 只要片段匹配项目分辨率，尺寸比细节更重要。
• 像素画和复古录屏。 用最近邻放大 2x、3x 或 4x，每个像素都保持方正。

• 放大 2 倍及以上： 720p 到 1440p、1080p 到 4K、标清到高清。放大幅度越大，传统算法需要抹开的画面就越多。完整示例见 怎样把 720p 放大到 1080p。
• 受损的素材。 压缩色块、传感器噪点和对焦发软在插值下会变大。AI 放大通常会在放大过程中把它们减轻。
• 动漫和线稿。 眼睛最先看的是干净的边缘和平涂色块。针对动画调校的模型能让线条保持纤细、平涂区域填得干净。
• 要长期保存的素材。 家庭录像和档案的额外处理时间只花一次。素材很小时能期待到什么程度，见 480p 到 4K：AI 能找回什么。

光看介绍，了解终究有限。挑一个细节丰富的镜头（头发、树叶、布料、小字），按最终交付的尺寸对比。

在 KwaFlux 中

1. 打开画质修复。 在侧栏进入 画质增强，打开 智能修复 卡片，或者与素材相符的场景修复卡片，比如 动漫画面。
2. 导入片段并设置输出尺寸。 在 导出设置 里把 分辨率 设为目标值，例如 1080p 或 4K。
3. 渲染预览。 在细节丰富的镜头上选择 预览 1秒、预览 3秒 或 预览 5秒。
4. 和等尺寸的基准对比。 在修复前后对比视图里，修复前（等尺寸） 基准是用常规缩放放大到输出分辨率的原素材。把 AI 结果放在它旁边，就能在相同尺寸下看出模型比单纯缩放多做了什么。
5. 先看分数，再用眼睛看。 在 设置 › 预览 里打开 预览后自动画质对比 后，KwaFlux 会给变化打分：清晰度、干净度、美学 和 技术，另有 分辨率提升 和 与原片接近程度 (VMAF)。应用自带的提示说明了怎么读这些数：VMAF 的说明是“数值高表示改动小，并非画质更好”，面板也注明这些都是客观算法指标，最终以你自己的观感为准。评分方法见 我们怎样给视频画质打分。

用 FFmpeg（免费）

分别做一个双三次版和一个 Lanczos 版，再左右拼在一起：

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 保持画面比例，并把高度取整为偶数。较低的 CRF（16）可以避免编码器把你想看的差别掩盖掉。打开 compare.mp4，暂停在细节丰富的镜头上，以 100% 缩放查看：左边是双三次，右边是 Lanczos。

补充： flags=lanczos 是 FFmpeg scale 滤镜里沿用已久的算法选择方式。当前的缩放器文档已把通过 flags 选择算法标为弃用，改用单独的 scaler 选项，所以请运行 ffmpeg -h filter=scale 看看你的版本支持什么。

技巧： 按观众实际观看的尺寸对比。在台式显示器上 100% 缩放时很明显的差别，到手机上可能就看不出来了；笔记本上看不见的光晕，到 65 英寸电视上可能很扎眼。

• 找回没拍到的细节。 看不清的字还是看不清。AI 模型可能画出像字的形状，这比让它保持模糊更糟。
• 把严重跑焦的镜头变清晰。 轻微发软能改善；焦点严重没对上的，救不回来。
• 让运动更流畅。 放大增加的是像素，不是帧。想让运动更流畅，要用 补帧。
• 撤销之前处理留下的瑕疵。 手机或上一次导出带来的过度锐化光晕和强降噪，已经成了画面的一部分。AI 能把其中一些减轻，但无法还原。

传统缩放算法决定怎样拉伸已有的像素，AI 放大器决定缺失的像素大概长什么样。素材干净、放大幅度小时用前者；放大幅度大或素材受损时用后者。决定导出之前，先把两者并排对比。

KwaFlux 在你自己的 GPU 上运行AI 视频超清。AI 处理在你自己的 GPU 上运行，媒体文件不会为了处理而上传。可在 Windows 10（64 位，1809 或更新版本）、Windows 11，以及搭载 Apple Silicon 的 macOS 12 或更新版本上运行。预览不需要账号：任意片段都能渲染 1、3 或 5 秒的预览。仅在导出、转换、文件修复和从链接下载文件时需要登录并购买付费方案。