VideoGigaGAN：面向细节丰富的视频超分辨率

视频超分辨率(VSR)方法在上采样视频中展现出令人印象深刻的时序一致性。然而，由于生成能力受限，这些方法生成的结果往往比对应的图像方法更为模糊。这引出了一个基本问题：我们能否将生成式图像上采样器的成功扩展到VSR任务中，同时保持时序一致性？我们提出了VideoGigaGAN，一种新的生成式VSR模型，能够生成具有高频细节且时序一致的视频。VideoGigaGAN建立在大规模图像上采样器GigaGAN的基础之上。简单地通过添加时序模块将GigaGAN扩展为视频模型会产生严重的时序闪烁。我们识别了几个关键问题，并提出了显著提升上采样视频时序一致性的技术。我们的实验表明，与以往的VSR方法不同，VideoGigaGAN生成的视频具有时序一致性以及更细粒度的外观细节。我们通过在公开数据集上与SOTA VSR模型进行比较，并展示$8\times$超分辨率的视频结果，验证了VideoGigaGAN的有效性。