本文分享 Pixop 的技术专家 Jon Frydensbjerg 眼中的 AI 视频增强。全文如下。
致真正的非技术人士：本文同样面向非技术读者，据说并非所有人都知道“精灵（Sprites）”的含义。它可能指：
(1) 小型魔法生物
(2) 娇小玲珑的人
(3) 计算机图形中的二维图像
(4) 雷暴上空的大型电离层放电
(5) 或柠檬味软饮料。
Jon 通常谈论的是第三种含义。对了，“实时”意味着计算机能在视频流处理中施展魔法而不造成延迟或卡顿（例如：一小时视频的画质提升耗时不足一小时——在直播场景中，这种魔法仅需毫秒级响应）。
Jon Frydensbjerg 最初并未立志改变视频的未来。90 年代初的少年时代，他追逐的不过是更纯粹的梦想：让像素动起来。在 Amiga 电脑（一款80年代的个人电脑）上反复调试，探索“演示场景”，Jon爱上了图形编程，不是为了技术本身，而是为了从原始代码中创造视觉效果的快感。
这种对事物外观（及其动态表现）的痴迷始终伴随他左右。此后三十年他从未停止编程：最初纯粹为乐趣，后来为广播公司的计算机视觉客户服务，这些客户渴望让体育赛事画面如皮克斯渲染般清晰锐利。
三十年后，Jon 仍在努力解决同一个根本问题：如何让像素看起来更棒。不同的是，如今他以云端 AI 模型为依托，实现了大规模实时处理。作为 Pixop 的技术核心，Jon 对视觉质量的早期热忱，如今正驱动着这款无需新设备就能帮助广播商呈现更清晰、更锐利、更生动视频的工具。
让视频看起来更棒的简史
在视频数字化之前，广播公司仍在尝试通过清理 VHS 录像带上的噪点和调整色彩信号来提升质量，但真正的飞跃来自于数字化工作流程。21 世纪初，工程师们开始尝试基础增强工具：去隔行扫描、降噪和简单升频。这些技术虽有效，却存在局限。
大约十年前，情况发生了改变。随着 GPU 速度的提升和深度学习的普及，用原始和劣化的视频来训练神经网络，教会机器什么是“好看”的画面，已经变得可行。
Jon 和他的团队开发了专门的 AI 滤镜，可以增强直播和存档视频的效果。他们通过创造更合理的新细节，将标准高清 (HD) 提升为超高清 (UHD)。他们通过丰富色彩和对比度，将标准动态范围 (SDR) 转换为高动态范围 (HDR)。所有处理均可实时完成。
AI 增强技术的实际作用
Jon 对此的描述最为贴切：“这就像给视频做了一次水疗护理。”
例如，你的实时视频源（例如混合质量的高清视频）将通过运行 Pixop 软件的小型服务器进行传输。
你只需选择需要修复的问题：运动模糊、块状和色彩失真。
系统会自动调用对应的 AI 模型（或“过滤器”）进行处理。
不到一秒钟，优化后的视频便呈现给观众：画面更清晰、更流畅、更饱满。
这些过滤器支持自定义配置。Jon 甚至探索过将它们组合成一个自适应模型，可以根据内容进行调整，无论是足球比赛、突发新闻，还是光线不足的广告。
设备难道不会迎头赶上吗？
有可能。但 Jon 的观点很务实。电视和手机越来越智能，但它们依赖的都是“一刀切”的技巧，并非万能。Jon 和他在 Pixop 的团队用各种真实世界的素材训练了这些模型。它们可以处理各种极端情况：森林冠层、存档素材和低比特率体育赛事。而且，它们 在内容到达屏幕之前就已在上游完成这些工作。
这种集中式增强意味着：
- 广播公司控制质量。
- 观众可以在不同设备上获得一致的观看体验。
- 只需一次处理而非百万台电视的重复运算
Jon 称最后一个是可持续发展的胜利。
事半功倍
Jon 在 Pixop 的小团队有着远大的抱负：帮助广播公司满足日益增长的观众期望，而无需昂贵的升级。随着需求的不断增长（更清晰的分辨率、更丰富的色彩、更流畅的动作），他们面临的挑战是如何保持高质量、低成本，并降低复杂性。
无论未来是在云端、在边缘，还是在你的电视里，有一件事似乎是不可避免的：视频只会越来越好。那么Jon的使命是什么？让这个未来更加美好，而且不用花太多钱。
原文：https://www.broadbandtvnews.com/2025/10/24/a-non-geeks-guide-to-real-time-ai-video-enhancement/
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/jishu/62514.html
