画质修复增强

随着时间的流逝，老旧影片难免会受到损害，画面变得模糊、噪点、色彩失真等等，影响观看体验。而UGC、PGC等视频素材，也存在着拍摄设备、环境光线、编码压缩过度损伤等因素带来的画质问题。为了提升用户观看体验，芒果TV音视频技术团队多年深耕数字成像和编解码技术，并结合人工智能技术，推出了画质修复解决方案，致力于为用户提供清晰、流畅、高品质的视频体验。

功能介绍

芒果TV自研的基于深度学习的视频优化和增强解决方案，系统包括去划痕和缺损、上色、去噪声和块效应、去压缩伪影、超分辨率、插帧、色彩增强等子模块。每个子模块对应一个或多个深度学习模型。由于在实际生产应用中遇到的问题是复杂多样的，该系统每个子模块相互没有依赖，可以针对不同场景自由组合所需的模块，利用一种或若干种算法的组合，达到图像视频画质修复、优化和增强的效果。视频修复增强系统全部由算法自动完成，在保证必要效果的前提下，具有高效率、低成本的普惠特点，更适合互联网平台海量内容的批量生产。

基础修复

基础修复包括降噪、去块效应、去压缩失真、去划痕、去缺损、上色等模块。主要面向画质拍摄、存储以及传输带来的损失，通过AI画质修复方案，智能识别并修复图像或视频中的各种问题，进行多维度修复，让受损的影像焕然一新。

清晰度增强

清晰度增强包括纹理超分、人像超分、字幕超分、锐化、字幕重绘等模块。基于深度学习算法，通过对大量图像或视频数据的学习，建立图像或视频的超分辨率模型。该模型能够智能识别图像或视频中的细节信息，并进行补充和增强，从而提升图像或视频的分辨率和清晰度。

时域增强

时域增强包括插帧、防抖等模块。利用深度学习技术，针对视频在时间维度上的变化，通过时空域信息融合、帧间预测、运动补偿等技术，有效解决视频卡顿、抖动等问题，增强视频流畅度，以提升视频的整体质量和观感体验。

应用场景

老片修复

原视频中闪烁、划痕已去除干净，背景纹理得到保留

老片上色

原视频中闪烁噪声、脏点、划痕已去除干净，上色自然播放无抖动

压缩损失去除

源视频中压缩块状失真和压缩伪影现象得到修复

4K超分

经过超分辨率增强后，人像/物体细节清晰度得到增强

插帧

通过前后两帧预测第N帧，在运动的复杂背景纹理严苛条件下，预测结果有较高的准确度