互聯網經歷從圖文至短視頻、直播發展之后，人們對視頻視頻畫質的追求也越來越高。但這一趨勢也帶來了新的矛盾點，一方面是日益增長的視覺體驗需求，一方面是設備性能、傳輸成本、用戶帶寬的限制。
隨著實時互動場景的爆發，很多RTE場景集中在移動端，在移動終端用戶的設備性能參差不齊，這就要求移動端實時超分的復雜度必須極低，這樣才能在大部分移動設備中做到實時處理。
如何在超低計算量的情況下還保持較好的視頻超分效果，聲網人工智能算法團隊經過持續的技術鉆研，正式推出了業內首個基于移動端實時處理的多倍超分算法，該算法的優勢是成本低、功耗小，不需要部署 GPU服務器，僅依靠移動端設備自身的CPU、GPU或NPU來實時超分，以較小的算法計算量實現視頻分辨率的多倍超分，有效增強了視頻的畫質，并降低視頻傳輸的成本。
由于移動端的算力有限，并且對算法的功耗、模型大小要求十分苛刻，這類算法的研發難度是極具挑戰性的，既要保持較好超分效果，也要滿足移動端實時處理的要求。傳統超分的技術原理可以簡單理解為插值+銳化，插值是將低分辨圖像放大為高分辨率圖像，銳化是使圖像邊緣更清晰的一種圖像處理方法，插值法和銳化方法，都是人工基于觀察、總結和試驗出來的方法，存在一定的局限性，常常出現圖像放大后出現模糊、銳化過度的現象。
而聲網移動端實時超分的技術原理是基于深度學習算法進行豐富的視頻數據訓練，從大量的低分辨圖像和高分辨圖像對，有監督地學習低分辨到高分辨率的映射關系，實現圖像放大后，細節豐富、畫面清晰的效果，其超分效果、自適應能力明顯優于傳統的超分方法。
從之前聲網發布的一個視頻demo可以看到，360p 視頻在開啟多倍超分后，畫質實現了明顯的增強，視頻中的鵝卵石與遠處山脈的分辨率變的更加清晰，不僅保證了視頻畫質，還降低了視頻的實時傳輸成本。
目前聲網多倍超分已跟多個客戶進行了集成，并得到客戶高度認可，并為行業提供了全新的解決方案。
