106、BasicVSR 视频超分：双向传播与光流对齐的经典框架

106、BasicVSR 视频超分：双向传播与光流对齐的经典框架一、从一次“鬼影”调试说起去年做视频超分项目时，遇到一个诡异现象：用EDVR做4倍超分，静态场景效果惊艳，但一旦镜头平移，画面边缘就出现重影，像鬼魂拖尾。我盯着PNSR曲线看了三天，发现光流对齐模块在运动剧烈区域直接崩了——光流估计不准，特征扭曲后反而引入噪声。后来换用BasicVSR，同样的数据，鬼影消失了，PSNR直接涨了0.8dB。这个案例让我意识到：视频超分的核心不是网络多深，而是时序信息怎么用。二、BasicVSR到底在解决什么问题先看传统视频超分的痛点。早期方法要么逐帧独立处理（忽略时序），要么简单拼接相邻帧（导致模糊）。EDVR虽然用了可变形卷积对齐，但计算量爆炸，而且对长距离运动无能为力。BasicVSR的出发点很朴素：把视频超分当成一个序列到序列的问题，用双向传播让每一帧都能看到前后文。它的核心设计就两个东西：双向传播模块和光流对齐模块。前者解决信息流动方向，后者解决像素级对应关系。别小看这个组合，它直接影响了后来几乎所有视频超分方法。三、双向传播：为什么单向不行我最初做视频超分时，习惯用单向传播——从第一帧往后传，类似RNN。但实验发现，对于突然出现的物体（比如镜头里走进一个人），单向传播只能从过去帧找信息，未来帧的信息完全浪费了。Ba