很多用户反馈：手机拍的照片放大后发虚、旧扫描件字迹糊成一团、监控截图放到大屏上全是马赛克。问题往往不在拍摄端，而在后处理环节的算法选型——用错了方法，再高的像素也救不回细节。

分辨率重建与细节增强是两条技术路线

分辨率重建走的是超分（Super-Resolution）路线，本质是用模型预测缺失的高频信息。早期双三次插值只是平滑补点，边缘必然发软；现在主流的基于GAN或扩散模型的图片超分增强方案，能在4倍放大下重建出可信的纹理。细节增强则是另一条路：不改变分辨率，靠锐化、去模糊、对比度重建来"提气"。两者解决的不是同一个问题，混用容易过锐产生光晕。

人像与老照片，选型逻辑完全不同

人像高清修复的关键是保真——五官结构不能变形。我们实测发现，纯PSNR导向的模型在人脸上容易"塑料感"，而引入人脸先验（landmark约束）的ClearAi：AI图像优化管线，在眼睫毛、发丝级别的还原上PSNR可稳定在32dB以上，同时LPIPS更低。老照片修复则更复杂：划痕、噪点、褪色要分阶段处理，先做退化建模再超分，否则噪点会被当成细节放大。

• 轻度模糊：优先细节增强，成本低、无结构风险
• 2倍以内放大：Real-ESRGAN类模型足够
• 4倍以上或严重退化：需退化感知的超分管线

给技术选型的建议：先量化退化类型（噪声方差、模糊核估计），再决定是走照片清晰度提升的增强分支还是重建分支。盲目上大模型，算力和效果未必成正比。