新版PSSR的核心变化在于让AI承担更少的工作量，而非扩大神经网络规模，以此实现画质提升与资源占用降低。据介绍，初代PSSR将几乎整个重建流程交由色彩预测网络（CPN）处理，由模型直接预测输出颜色。后来，索尼与AMD的工程师发现，这种方式导致了从HDR处理到时序重建再到高倍率超分辨率的一系列问题。在PSSR增强版中，团队恢复了大部分传统重建流程，将CPN替换为核预测网络（KPN）。KPN不再直接预测最终像素颜色，而是预测混合权重，实际的混合操作由传统滤波直接执行。由于模型不再需要隐式处理HDR色彩，其容量得到更高效利用。团队还重新设计了与历史数据的连接，改善了梯度流动，使网络能够学习更长的时序关系。此外，工程师引入了一种输入空间椭圆高斯滤波器，以确保在高倍率超分辨率下仍保持有效性，解决了原始模型在2.5倍和3倍图像重建中的问题。克雷格展示的结果显示，升级版模型在图像质量和时序稳定性方面均有提升，尤其是在较低输入分辨率下，同时GPU时间和内存占用也有所降低。在参数分配上，初代CPN仅有约30%的参数处于最低的540p分辨率层级，而新版KPN将约90%的参数分配在540p及以下，在4K层级几乎不做计算。训练时间也从初代的大约4个GPU月缩短到不足1个GPU周。相关阅读：《
风险提示
外汇交易涉及高风险，可能不适合所有投资者。杠杆交易可能导致快速亏损，请确保您完全理解相关风险。过往表现不代表未来结果。
本分析仅供参考，不构成投资建议。投资者应根据自身情况做出独立判断，并承担相应风险。