RelayVSR يضاعف دقة الفيديو أربع مرات ويحقق 29 إطارًا في الثانية على A100

لدينا مقطع قديم يجب عرضه على شاشة كبيرة، لكن بعد التكبير المعتاد تتشوّش الوجوه وتتحول التفاصيل إلى كتلة غير واضحة. قد يجعل الرفع التوليدي للدقة الصورة أكثر إقناعًا، لكن معالجة كل إطار بنموذج ثقيل مكلفة. يقترح RelayVSR تقسيم العمل: شبكة كبيرة تجهّز إطارات مرجعية متباعدة، وشبكة صغيرة تعالج بقية التسلسل. وبالنسبة إلى فريق منتج فيديو، هذا سبب لاختبار المعالجة المحلية على مقاطعه وحساب تكلفة الدقيقة.

لماذا نموذجان لمعالجة مقطع واحد

تخيّل تصوير شخص يرتدي سترة ذات ملمس بارز. ينشئ النموذج الكبير مرجعًا مفصّلًا للحظات معينة، وتستخدمه الشبكة الخفيفة مع الفيديو الأصلي لمعالجة الإطارات الوسيطة. فلا تضطر إلى ابتكار ملمس القماش بالكامل من جديد في كل مرة. وهي تأخذ في الحسبان الإطارات الأخيرة كي تبقى التفاصيل متسقة مع الحركة.

ولهذا التقسيم خاصية مزعجة: قد ينتقل الخطأ في الإطار المرجعي إلى الإطارات التالية. لذلك يدرّب المؤلفون النموذج الكبير مع مراعاة جودة الفيديو النهائي. فتقييم جمال إطار منفرد وحده لا يكفي: يجب أن تساعد الصورة الناجحة الشبكة الثانية على بناء مقطع متسق. ويُشرح تصميم الطريقة في ورقة RelayVSR.

المعنى العملي واضح حتى خارج نطاق رفع الدقة. فإذا أمكن تنفيذ عملية مكلفة من حين إلى آخر وإعادة استخدام نتيجتها، تظهر فرصة لتقليل الحسابات. لكن يجب التحقق من التوفير مع الأخطاء: فمرجع سيئ واحد قد يُفسد عدة نتائج لاحقة دفعة واحدة. وبالنسبة إلى خدمة فيديو، يؤثر ذلك في التكاليف وفي حصة المادة التي ستلزم إعادة معالجتها.

ماذا تعني نتيجة 29 إطارًا في الثانية

وفق بيانات المؤلفين، عند دقة إخراج 1080p يحقق RelayVSR سرعة 29.29 إطارًا في الثانية مع ذروة استهلاك ذاكرة فيديو تبلغ 13.82 غيغابايت. وفي المقارنة نفسها يسجّل FlashVSR-Tiny سرعة 7.80 إطارًا في الثانية و24.447 غيغابايت. أُجري القياس على بطاقة NVIDIA A100 واحدة بذاكرة 80 غيغابايت، وبفاصل 15 إطارًا بين الإطارات المرجعية. هذه نتائج فريق المشروع المنشورة على صفحة العروض التوضيحية.

لا يمكن أن نستنتج من ذلك ما وعد به منشور تيليغرام من أن أي بطاقة رسوميات بذاكرة تتجاوز 14 غيغابايت ستكفي. فحجم الذاكرة يصف جزءًا فقط من شروط التشغيل، ولا يضمن توافق العتاد ولا السرعة نفسها على حاسوب منزلي. وشراء بطاقة لهذه الأداة استنادًا إلى رقم واحد من منشور سيكون متسرعًا.

وهناك أيضًا مسألة الثقة بالصورة. فالملمس الأكثر إقناعًا لا يثبت بحد ذاته أن هذا الملمس بعينه كان أمام الكاميرا. وفي أرشيف عائلي قد يكون ذلك حلًا وسطًا مقبولًا. أما في المواد التي تهم فيها موثوقية التفاصيل الدقيقة، فيجب الاحتفاظ بالمصدر ومقارنته بالنتيجة. والوعد بـ«إنقاذ أي فيديو» واسع جدًا: فجودة تسجيل بعينه ستظل بحاجة إلى تقييم بالعين.

كيف نتحقق من الفائدة قبل الدمج

يتوفر في المستودع الرسمي دليل وروابط لملفي أوزان. بيئة التشغيل الموصوفة هي Linux وPython 3.11–3.13 ومعالج رسوميات NVIDIA. يكبّر السكربت العرض والارتفاع أربع مرات تمامًا، ويحافظ على معدل الإطارات، لكنه لا ينقل الصوت. لذا سيلزم في سير العمل خطوة منفصلة لإعادة المسار الصوتي.

من المعقول أن نبدأ بمقاطع قصيرة من مادتنا الخاصة: وجه متحرك، وملمس دقيق، وتبدّل مشهد حاد. راقب هل تُحفظ ملامح الشخص، وهل تبدأ التفاصيل بالوميض، وكم تستغرق المعالجة. ستفيد هذه الفحوص في قرار الدمج أكثر من لقطة ثابتة لافتة من عرض توضيحي.

وبالنسبة إلى مدير المنتج، الخطوة التالية هي قياس التكلفة الكاملة للمعالجة، بما في ذلك تحضير الملفات وإعادة الصوت وإعادة تشغيل المشاهد الفاشلة. وبالنسبة إلى المطوّر، التحقق من قابلية إعادة الإنتاج على العتاد المتاح. يقدّم RelayVSR بالفعل ما يكفي لتجربة كهذه: تنفيذًا منشورًا وأوزانًا وسيناريو تشغيل محددًا. وينبغي اتخاذ قرار الاعتماد بعد الاختبار على الفيديو الذي سيعمل به المنتج فعلًا.