168、基于扩散模型的超分：从SR3到ResShift的生成式重建新范式一、一个让我失眠的调试问题去年有个项目，甲方要求把监控视频里模糊的人脸做到1080p清晰度。我一开始用的是ESRGAN，效果还行，但一到人脸细节就糊成一团——眼睛像没睡醒，嘴唇像打了马赛克。我试了各种trick：调感知损失权重、换VGG19为SwinIR backbone、甚至自己写了个注意力模块，结果提升微乎其微。直到我偶然翻到SR3论文，抱着试试看的心态跑了个demo。第一张输出图出来时，我差点从椅子上跳起来——那对眼睛的虹膜纹理清晰得能数出像素点。但紧接着第二个问题来了：推理速度慢到令人发指，一张256x256的图要跑两分钟。甲方说“这玩意儿能商用吗？”我哑口无言。这个矛盾——扩散模型的质量天花板 vs 推理效率的泥潭——就是今天这篇文章要聊的核心。我会从SR3的“暴力美学”讲到ResShift的“优雅提速”，中间穿插我踩过的坑和现在还在用的trick。二、SR3：扩散模型超分的“开山怪”SR3（Image Super-Resolution via Iterative Refinement）的思路其实很直白：把超分当成一个条件扩散过程。低分辨率图像作为条件，从纯噪声开始，一步步去噪，最终生成高分辨率图像。2.1 前向过程：别把LR图搞丢了SR3的前向扩散和标准DDPM不同。标准DDPM是把HR图一步步加噪到纯噪声，而S