Adobe 公佈 VideoGigaGAN：把模糊影片放大 8 倍且不閃爍

想要把一部十幾年前拍攝的模糊老影片變高畫質，過去大部分工具要麼只是把它強行抹平磨皮，要麼一放大就滿屏噪點和鬼影。

據外媒報道，Adobe 研究團隊公佈了一項名為 VideoGigaGAN 的生成式 AI 模型。這篇論文最初於 4 月 18 日發表，這項技術能把低解析度的模糊影片清晰度放大整整 8 倍，同時還能保證畫面不閃爍。

既要高畫質細節，又不要畫面抽搐

利用生成對抗網路（GAN）來給靜態圖片做放大超解析度，行業裡早就玩得很熟了，模型往往能憑空腦補出逼真的毛孔和紋理。

可一旦把同樣的邏輯放到影片上，麻煩就來了。只要前後兩幀腦補出的紋理稍微有一點不一致，整段影片播放起來就會劇烈閃爍，產生各種讓人出戲的視覺偽影。過去其他影片超解析度（VSR）方法雖然能保持畫面穩定，代價卻是清晰度和銳度大打折扣，看著依然發糊。

VideoGigaGAN 想解決的就是這個兩難問題。從 Adobe 展示的樣片來看，它既保留了 GAN 模型極高的高頻細節生成能力，又解決了跨幀閃爍的難題。

在演示中，放大後的皮膚紋理和細微褶皺其實大部分都是模型自己算出來的，但肉眼看幾乎找不到 AI 生成的痕跡。這種逼真程度，甚至讓人分不清現實素材與演算法生成的邊界到底在哪裡。

仍在實驗室裡，還沒裝進剪輯軟體

不過，目前這項成果還只停留在研究預覽階段。Adobe 並沒有承諾什麼時候會把它做成濾鏡，整合到 Premiere Pro 這種普通人常用的 Creative Cloud 軟體裡。

影片超解析度賽道其實早就相當擁擠。Adobe 自己在 2023 年 10 月的 MAX 大會上就展示過基於擴散模型的 Project Res-Up 實驗，專門用來修復低解析度 GIF 和影片片段；微軟和輝達也都有各自成熟的 VSR 技術落地。

換句話說，VideoGigaGAN 目前證明了學術上的新解法，但離普通剪輯師能在時間軸上一鍵應用，顯然還有一段距離。

為什麼重要

如果這項技術最終能塞進 Premiere Pro，最直接受益的會是那些天天跟老舊素材、低位元速率監控錄影或早期網路影片打交道的創作者。8 倍的放大倍率意味著 360p 級別的老古董也能直接拉到接近高畫質的可用狀態，省去昂貴的人工修復成本。

從技術路線來看，這更是 Adobe 的一次聰明嘗試。在所有人都在扎堆拿計算成本極高的擴散模型死磕影片時，VideoGigaGAN 證明了 GAN 只要解決好時序穩定性，依然是生成高質量細節且極具效率的選擇。

但我們認為，這種「以假亂真」的演算法腦補也帶來了一個無法迴避的隱患。當演算法可以憑空造出以假亂真的皮膚毛孔甚至面部特徵時，老影片修復與偽造證據之間的界限正在變得前所未有地模糊。如何向觀眾標記哪些細節是原生拍攝、哪些是演算法生成，遲早會成為剪輯行業必須回答的問題。