透過 Amazon SageMaker AI 部署 SeedVR2 實現超解析度

隨著顯示技術向更高解析度發展，許多組織面臨一個常見挑戰：現有影片庫包含的低解析度內容在現代高畫質顯示器上顯得模糊不清。傳統的影片放大方法往往受限於計算能力、質量不一致和擴充套件性問題。SeedVR2 是字節跳動 Seed 團隊開發的開源影片修復模型，透過逐幀分析視覺資訊來恢復細節並提升影片質量。將其部署在 Amazon SageMaker AI 上，可提供一個可擴充套件的解決方案，實現超解析度處理。

該方案適用於多種場景：檔案館、博物館和廣播公司可以以更高解析度恢復和數字化歷史影像；流媒體服務可以將老節目放大到 4K 或更高，提升使用者體驗；對於 AI 生成影片，由於生成模型的計算強度大，通常起始解析度較低，透過專門的放大演算法，創作者可以快速原型設計，再後期增強為高質量成品。

解決方案採用三層 AWS 架構，使用 AWS Cloud Development Kit (AWS CDK) 定義為基礎設施即程式碼。SecurityStack 透過 Amazon VPC、IAM 角色和 KMS 金鑰建立安全邊界；DataStack 使用 Amazon S3 儲存輸入輸出影片，啟用加密和版本控制；核心處理管道透過 AWS Lambda 觸發 SageMaker 處理作業，使用 ml.g5.4xlarge 例項執行自定義 Docker 容器，其中封裝了 SeedVR2 模型。處理流程如下：影片上傳到輸入 S3 桶 → Lambda 函式建立 SageMaker 處理作業 → 啟動 GPU 例項並拉取容器 → 讀取影片並進行放大 → 將結果寫入輸出桶 → 終止例項。

部署步驟包括：先安裝 Python 3.13+、AWS CLI、Docker 和 AWS CDK v2，並請求 ml.g5.4xlarge 服務配額；然後克隆倉庫、安裝依賴、引導 AWS CDK、認證 Amazon ECR；最後執行 cdk deploy --all 部署全部基礎設施，大約需要 15–20 分鐘。部署完成後，上傳測試影片並觸發 Lambda 即可開始處理。效能可透過 config/config.yaml 檔案調優，例如修改例項型別、輸出解析度和批處理大小。成本主要為 ml.g5.4xlarge 例項費用，約每小時 1.20 美元，僅按執行時間計費。

SeedVR2 的工作原理是將擴散模型和生成對抗網路 (GAN) 結合，透過擴散對抗後訓練 (APT) 實現。系統基於 160 億引數的 GAN 架構，使用兩步 APT 過程：先漸進式蒸餾將 64 步壓縮到 1 步，再透過真實高解析度影片訓練。模型採用 Swin Transformer 進行自適應視窗注意力，幷包含 RpGAN 損失、R1/R2 正則化和特徵匹配損失等機制，在保持擴散模型可靠性的同時實現了 GAN 的高效率。

文章還展示了示例結果：原始 240p 影片、雙三次插值放大到 540p 和 SeedVR2 放大到 540p 的效果對比，SeedVR2 顯著提升了細節和清晰度。完成後，需清理 S3 桶和 CDK 堆疊以避免額外費用。