**圖片畫質提升（Image Upscaling，也叫超解析度）**指把一張圖變成更大、更清晰的版本——靠重建當初沒拍到、或被壓縮丟掉的細節，而不是把現有像素攤到更大的畫布上。傳統重新取樣把小圖變成又大又糊的圖；超解析模型把它變成又大又看得清的圖：邊緣還是硬的，紋理回來了，放到列印尺寸或 4K 螢幕上也立得住。
工作原理
模型是在成對的圖片上訓練的：一張高解析原圖，和一張被刻意弄壞的副本——縮小、模糊、加雜訊、用 JPEG 壓爛。把這個過程反著做上幾百萬次，它就學會了銳利的邊、一根頭髮、一塊織物、皮膚上的毛孔該長什麼樣，於是面對低解析輸入時能推斷出合理的高頻細節，而不是像雙三次內插那樣在相鄰像素之間取平均。這也是這門技術誠實的邊界：細節是按模型學到的規律重建出來的，不是從當年的現場找回來的。只剩幾個像素的小字、車牌和人臉，拿回來的是一個合理的讀法，不一定是真的那個。
擅長的場景
- 小圖與壓縮圖 —— 在通訊軟體裡存來存去的手機照片、從舊網站上抓下來的圖、多年前縮過的截圖。
- 列印與大螢幕 —— 把網頁尺寸的圖提到海報、商品頁或 4K 螢幕需要的解析度。
- 產品圖與素材庫 —— 讓舊素材的清晰度跟得上新拍的那一批。
- AI 生成圖 —— 把生成的畫面提到交付解析度，構圖一點不動。
好的輸入長什麼樣
從手頭受損最輕的那份開始：用原始檔案，而不是它的截圖；用進通訊軟體之前的那一版。一次只有一個毛病的圖，比四個毛病疊在一起的好提——只是小，是簡單題；又小、又糊、又有雜訊、還壓著浮水印，是難題。提升之前不要先銳化或降噪，這類濾鏡恰好抹掉了模型要讀的線索。另外分清它和老照片修復的邊界：缺角、摺痕和污漬是損傷，不是解析度不夠，那該找修復而不是超解析。