近年来，随着深度学习技术的快速发展和设备运算能力的不断提升，基于 AI 的超分技术在图像恢复与增强领域也已经呈现出广阔的应用前景，并且在实时通信领域也掀起了革新应用之风。
超分辨率(Super Resolution，简称 SR)，是计算机视觉的一个经典应用。SR 是指通过软件或硬件的方法，从观测到的低分辨率图像重建出相应的高分辨率图像，简单来说就是通过 AI 算法来放大原有图像的分辨率以达到提升画质的效果。在监控设备、卫星图像遥感、数字高清、显微成像、视频编码通信、视频复原和医学影像等领域都有重要的应用价值。
超分应用场景条件限制，存在清晰度困扰
然而在现实中，用户的应用场景还存在许多问题，例如：
场景一：小张用手机看PC端主播的直播，发现画质不好。因为手机是竖屏分辨率，需要从横屏分辨率的画面裁剪下来才能将画面填满手机屏幕，但是裁剪导致分辨率下降，画质降低。
场景二：小学生小张使用智能手表与妈妈手机视频通话的时候，发现手表容易发热，流量也用得快。因为受限于芯片性能，发送高分辨率的视频时比较消耗性能。
尤其对于海外用户来说，应用场景的问题更为复杂：
场景一：小张在印度生活，平常看直播只能看标清视频，因为当地网络不好，再提高分辨就会容易卡顿，体验很差，因此只能接受标清的画质。
场景二：小张在美国留学，有天和在印度的朋友视频通话时发现画质有点差，因为印度网络质量不好，只能推送标清视频。
由此可以看出，用户在一些特殊场景下，画质清晰度十分不理想。那么，以上用户的问题我们可不可解?
ZEGO即构科技推出自研超分，清晰度翻倍
近期，全球领先的云视频服务商——ZEGO即构科技推出了基于深度学习的自研超分、自研去编码效应，通过 AI 算法来放大原有图像的分辨率以达到提升画质的效果。
通过使用超分，可以在本地将实时视频的分辨率放大两倍(x2)，比如将 360P 超分成 720P 画质更清晰、纹理细节更细腻、文字更清楚，并且在播放端本地超分，不会增量带宽、流量，解放网络压力，同时在播放端本地超分，也不依赖推流端，解放主播/推流用户性能。使用超分后的优势总结如下：
1、提升画质 —— 由于分辨率的提升，像素点更多，画质整体会比原画面更加清晰;
2、去编码脏块 —— 去除由于码率不足引起的编码脏块，画面更加平滑整洁;
3、不会增加流量以及带宽成本 —— 超分功能是端上的能力，只依赖设备性能;
4、不会增加推流端的性能消耗 —— 超分在拉流端(播放端)运行。
我们一起来看一下使用即构超分后带来的效果变化：
上述提到的三个客户场景在使用 ZEGO SDK 超分后，将产生如下效果变化：
国内用户场景一：使用即构技术后：画质达到超清(720P/960P)，无视恶劣的网络条件;
国内用户场景二：使用即构技术后：画质达到超清，不用担心跨端导致画质降低的问题了;
海外用户场景一：使用即构技术后：画质达到超清，不再受限于网络条件;
海外用户场景二：使用即构技术后：画质达到超清，沟通和以前一样流畅;
由此可见，当使用超分黑科技加成后，画质飞跃。
那么何种场景适合使用超分?可以简单理解为用于想提升画质，却又受到某些限制的环境。具体分为以下几类：
1、网络环境受到限制。对于网络环境压力大的地区，选择超分提升画质档次，避开网络的限制;
2、硬件条件受到限制。摄像头无法提供高分辨率、推流端的性能不够编更高分辨率的视频;
3、购买成本受到限制。期望提升画质，但是对应的分辨率/带宽/流量档位价格太高。
即构超分优势
1、在资源受限的移动端，基于深度学习的自研超分、自研去编码效应，对比业界 SOTA 及友商，模型大小相当时，即构自研 SR 主客观数据更好，覆盖机型更广;
2、在性能不变的情况下可以累加编码去脏去块效应和累加智能锐化，也就是说，一个模型，可以完成超分+去编码效应+智能锐化，性能不变;
3、极小超低轻量级模型，仅0.69G FLOPs，我们在Set5中的PSNR/SSIM可以达到
36.898/0.9554，在此运算量下，几无对手;
4、机型覆盖更广，支持 2500+ 种机型，国内 Android 设备覆盖率为 50%，iOS 设备覆盖率为90%;
据悉，目前即构科技已可以在1v1视频通话，秀场直播、电商直播等单主播场景，低分辨率场景，智能硬件，跨端通信等场景接入超分。
高分辨率的视频能提供更清晰的画面和更高阶的感官体验，对于提升视频质量和用户视觉感受有很大的帮助。即构此次自研的超分技术，可以帮助客户获得畅爽的视频体验，打造更高水平的图像恢复和图像增强。
据了解，即构超分将继续进行算法性能优化，在效果不下降的情况下，覆盖更多机型，包括网络模型的性能优化、前馈推理库的性能优化，支持PC端，并且会结合去编码块效应(更低性能消耗)，进一步提升视频效果。
