VOSR

1. 核心功能与产品特点

VOSR（Vision-Only Generative Model for Image Super-Resolution）是一款专为图像超分辨率放大与高清修复设计的生成式 AI 工具。

• 低清变高清修复：将模糊、低分辨率或压缩受损的图片进行高倍率放大，并智能重建出清晰自然的细节。
• 强力修复文本与细微结构：在处理包含文字（如屏幕截图、文档、指示牌）或密集纹理的图片时，能极大程度地保留文字的可读性和真实结构，不乱码、不扭曲。
• 秒级超快修复（单步生成）：支持 VOSR 2.0 单步推理（1-step inference），仅需一次计算即可完成高清重建，大幅缩减生成等待时间。
• 超大图显存友好：内置分块（Tiled）推理机制，处理高分辨率大图时能有效控制显存占用，避免显存溢出（OOM）。

2. 研发团队与应用场景

• 研发团队：由香港理工大学（The Hong Kong Polytechnic University）与 OPPO 研究院（OPPO Research Institute）联合团队研发，研究成果已被计算机视觉顶级学术会议 CVPR 2026 接收。
• 应用场景：
• 旧照与低清图片修复：模糊老照片、网络低码率图片、画质受损图像的清晰化重建。
• 屏幕翻拍与文档增强：屏幕拍照（如 ScreenSR 场景）、文档截图及带文本标识图像的超清化处理。
• 高分辨率图像输出：摄影后期、设计修图及移动端影像的高清无损放大。

3. 底层核心技术

• 纯视觉 DiT 架构（Vision-Only DiT）：基于 0.5B 和 1.4B 参数量的 Diffusion Transformer（DiT）骨干网络。
• 纯视觉特征引导：完全摒弃了传统生成式超分中对文本提示词（CLIP 文本特征）的依赖，采用 DINOv2 视觉特征与图像条件共同引导生成。
• 高效定制 VAE：0.5B 模型配备轻量化 SD2.1 VAE 解码器；1.4B 模型采用了抽离自 Qwen-Image 的 16 通道 2D VAE，大幅提升了图像解码效率。
• 单步蒸馏技术（1-step Distillation）：通过模型蒸馏技术将多步扩散采样压缩至单步生成，实现超快推理。

4. 同类对比与核心优势

• 免除文本依赖，无“画面幻觉”：传统基于 Stable Diffusion 的超分工具易受文本提示词干扰而产生画蛇添足的“幻觉”变形；VOSR 采用纯视觉驱动，修复效果完全忠实于原图。
• 文字与细节还原度更强：相比 Real-ESRGAN 等传统非生成式超分，VOSR 生成丰富细节的能力更强；相比 SUPIR 等生成式超分，VOSR 对复杂文字与微小纹理的修复清晰度显著提升。
• 推理效率领先：多数生成式超分需要 20~50 步扩散采样，而 VOSR 2.0 仅需 1 步采样，具备极高的实际部署价值。