近日,在計算機視覺領域最具影響力的國際競賽 CVPR NTIRE 2025中,傳音多媒體團隊與上海交通大學圖像所MediaLab聯(lián)合團隊分別斬獲高效超分辨率挑戰(zhàn)賽(NTIRE 2025 Efficient Super-Resolution Challenge)第一名,短視頻UGC圖像超分辨率挑戰(zhàn)賽(NTIRE 2025 Short-form UGC Image Super-Resolution Challenge)第二名,展現(xiàn)了傳音在視頻畫質領域的深厚積累與領先實力。

CVPR NTIRE(New Trends in Image Restoration and Enhancement)是計算機視覺頂會CVPR(Conference on Computer Vision and Pattern Recognition)旗下極具影響力的國際學術競賽,素有“影像算法奧林匹克”之稱。該賽事聚焦視頻復原、圖像增強、生成技術及質量評估等底層視覺任務,旨在推動技術突破并解決實際應用難題。今年的賽事設置了多項挑戰(zhàn)賽,吸引了全球頂尖科研與產(chǎn)業(yè)隊伍參與。

傳音深耕非洲、南亞等新興市場多年,始終圍繞用戶需求進行本地化創(chuàng)新。近年來數(shù)字媒體飛速發(fā)展,傳音洞察到用戶對智能手機圖像和視頻素質提出了更高的要求。據(jù)Dataspark的數(shù)據(jù)顯示,2024年非洲用戶月均在社交、視頻類App上花費約52小時,然而非洲用戶觀看視頻在線播放網(wǎng)速平均不到10M/S,觀看體驗較差。面對非洲等目標市場存在的網(wǎng)速慢、流量貴等現(xiàn)實問題,傳音持續(xù)投入資源,與上海交通大學圖像所MediaLab深入合作,研發(fā)輕量化、低功耗、高性能的畫質增強技術,讓更多用戶在有限條件下也能享受高清視覺體驗。

技術成果一:高效圖像超分辨率中的蒸餾監(jiān)督下的卷積低秩適應

在高效超分辨率挑戰(zhàn)賽中,傳音多媒體團隊和上海交通大學圖像所MediaLab提交的論文“高效圖像超分辨率中的蒸餾監(jiān)督下的卷積低秩適應(Distillation-Supervised Convolutional Low-Rank Adaptation for Efficient Image Super-Resolution)”提出DSCLoRA技術,其借鑒大語言模型中的低秩適應并結合知識蒸餾策略,在不增加計算成本的前提下顯著提升了高效超分辨率模型的性能。

多個基準數(shù)據(jù)集上的實驗結果表明DSCLoRA在模型復雜度和性能表現(xiàn)之間實現(xiàn)了出色的均衡。在不增加模型體積和計算開銷的前提下,DSCLoRA能夠大幅提升圖像超分辨率效果,提升弱網(wǎng)環(huán)境下視頻通話與流媒體播放清晰度,同時具備推理速度快、功耗低等優(yōu)點。通過將該算法集成至手機影像引擎,用戶在在線視頻播放、視頻通話、圖像放大、數(shù)碼變焦拍攝等場景中,均可體驗更高分辨率、更銳利自然的畫面。

模型架構總覽

技術成果二:用于短視頻UGC圖像超分辨率的增強語義提取與引導

在短視頻UGC圖像超分辨率挑戰(zhàn)賽中,傳音多媒體團隊和上海交通大學圖像所MediaLab提交的論文“用于UGC圖像超分辨率的增強語義提取與引導(Enhanced Semantic Extraction and Guidance for UGC Image Super Resolution)”,提出一種基于 Diffusion 的新型模型以處理短視頻平臺 UGC 場景下低分辨率退化圖片,有助于實現(xiàn)更穩(wěn)健、感知可信和實際適用的圖像修復。

該模型通過制作特定數(shù)據(jù)集,消除現(xiàn)實 UGC 場景下圖片退化類型和合成退化之間存在的差異。其次,通過引入語義提取模塊,利用 SAM2 預訓練模型提取高層次的上下文信息,協(xié)助模型進行圖像重建任務。最后,針對不同的數(shù)據(jù)集進行參數(shù)微調,使模型在不同數(shù)據(jù)集上表現(xiàn)達到最優(yōu)。

該項技術突破,將有效處理模糊、壓縮、結構變形等常見失真問題,生成更自然、真實、語義一致的修復圖像,極大提升用戶在短視頻截圖、社交圖片增強等場景中的視覺體驗。

模型架構總覽

此次聯(lián)合高校團隊參加國際頂級競賽體現(xiàn)傳音對核心技術創(chuàng)新的重視與投入,也為后續(xù)畫質增強功能的產(chǎn)品化奠定堅實基礎。未來,傳音將加速將畫質增強技術部署到旗下手機產(chǎn)品中,構建起一套適應新興市場特色、兼顧性能與體驗的視頻增強解決方案,為更多新興市場用戶帶來更為高清、流暢的視覺體驗。