МГУ им. М.В. Ломоносова: ИИ-апскейлинг потокового видео в реальном времени

В МГУ им. М.В. Ломоносова разработали ИИ-подход для повышения разрешения и визуального качества потокового видео в реальном времени. Ключевой элемент — специализированная функция потерь, которая одновременно учитывает точность реконструкции изображения, особенности зрительного восприятия человека и сохранение границ объектов. Модель обучена на 5200 видеоклипах и сравнивалась с 11 другими методами апскейлинга. Созданный датасет улучшил показатели не только для потокового видео, но и на стандартных проверочных наборах для других нейросетей. Метод сохраняет скорость обработки, достаточную для реального времени, что критично для практического применения в стриминге. Результаты представлены на конференции ICLR 2026.

Вендор и технология: Исследователи МГУ; нейросеть апскейлинга с кастомной функцией потерь, учитывающей точность реконструкции, особенности зрительного восприятия и сохранение границ.

Апскейлинг потокового видео в реальном времени требует компромисса между качеством и скоростью, которого существующие методы не достигали. Стандартные функции потерь оптимизируют попиксельную точность и дают размытые границы объектов, неприятные для зрителя. Готовых обучающих датасетов под задачу реального времени не хватало.

• Повысить разрешение и качество потокового видео в реальном времени

• учесть в функции потерь точность реконструкции, зрительное восприятие и сохранение границ

• сохранить скорость обработки, достаточную для реального времени

• превзойти существующие методы апскейлинга

• создать датасет, полезный и для других нейросетей

• Результаты

• Обучение на 5200 видеоклипах

• сравнение с 11 другими методами апскейлинга

• улучшение показателей и на стандартных проверочных датасетах для других нейросетей

• сохранение скорости обработки в реальном времени

• результаты представлены на конференции ICLR 2026 Нагрузка и масштаб

• Обучающая выборка 5200 видеоклипов; сравнение с 11 методами Сроки

• Представлено на ICLR 2026