DLoRAL技术开源，香港理工大学与OPPO联手推动视频超分辨率领域发展

创新双LoRA架构，兼顾时间与空间

DLoRAL（Dual LoRA Learning）基于预训练扩散模型Stable Diffusion V2.1构建，采用独特的双LoRA架构，在视频超分辨率领域实现重大突破。该框架由两个定制化的LoRA模块组成：

• CLoRA ：专注于视频帧之间的时间一致性。通过提取输入视频中的时序特征，确保各帧之间过渡自然，有效消除传统方法中常见的闪烁或跳跃现象。
• DLoRA ：致力于提升画面的空间细节表现。通过对高频信息的优化处理，显著增强画面清晰度和质感，让低清视频呈现高清视觉效果。

这种架构将时间连贯性与空间细节解耦处理，借助轻量模块嵌入现有模型，既降低了计算开销，又提升了输出质量。

双阶段训练策略，效率与质量双赢

DLoRAL采用两阶段交替训练机制，分别聚焦于一致性与细节增强，从而达到最优效果：

1. 一致性阶段：利用CLoRA与CrossFrame Retrieval（CFR）模块，并结合时序一致性损失函数，优化动态场景下的帧间连贯性，确保输出视频流畅自然。
2. 增强阶段：在冻结CLoRA与CFR的基础上，专注训练DLoRA模块，融合分类器分数蒸馏（CSD）等技术，进一步强化画面锐度与纹理细节。

这一策略使DLoRAL在推理阶段可通过单步生成，将两个LoRA模块无缝集成至冻结的扩散UNet中，实现高效、高质量的视频输出。相比传统多步迭代方法，推理速度提升约10倍，展现出卓越的效率优势。

开源赋能，助力学术与产业

DLoRAL作为开源项目发布，为科研人员与企业开发者提供了宝贵资源。代码、训练数据及预训练模型已于2025年6月24日公开于GitHub，项目页面还附有简明讲解视频与丰富视觉示例。

在多项评估指标如PSNR与LPIPS上，DLoRAL均表现出色，超越当前主流RealVSR方法。然而，受限于Stable Diffusion所使用的8倍下采样变分自编码器（VAE），其在极小文本等细微结构的恢复方面仍存在改进空间。

视频超分辨率的未来风向

DLoRAL的诞生标志着视频超分辨率技术迈入一个全新阶段。凭借其高效的单步生成能力与完全开源特性，该框架大幅降低了视频高清化的技术门槛。

随着更多研究者与企业在DLoRAL基础上进行拓展开发，视频处理领域有望迎来诸多创新应用，例如实时视频增强 、影视后期优化等，推动整个行业迈向更高水平。