扩散超分调研：一步化浪潮与 SeedVR 之后的视频超分（2024→2026）

1. 概述与范围

本调研覆盖 2024–2026 年扩散超分（diffusion super-resolution）的图像与视频两条线，主线只有一条：把扩散先验从「多步随机采样」压缩成「一步确定性前向」，并将其从图像迁移到视频的时序与流式场景。读者默认为 CV/ML 从业者，下文不解释什么是扩散、超分、注意力。

• 时间窗：以一步图像超分的元年（OSEDiff/SinSR，2024）为起点，到 2026 上半年的视频一步化与流式工作。
• 取舍：聚焦「一步化机制」这条可比较的主轴；多步先验范式（SR3/StableSR）仅作为对照基线。配套的原理精讲见本站教程 diffusion-sr-2021，本页只做调研对比、不做推导。
• 证据强度：所有 arxiv 号、年份、venue 均本次联网核实；标 ✅。SeedVR 原作仅给 venue + 仓库（arxiv 号本次未核实，不臆造）。代码交叉验证（§5）只列本次实际打开并比对过的函数。

验证原则：引用经核实而非回忆；代码主张经打开函数比对而非据摘要推断。

2. 逐篇精要

每个工作四行：核心贡献（最具区分度的一点）/ 方法（承重机制一句话）/ 关键结果（带指标与基线）/ 代码。

2.1 图像一步化（Real-ISR）

OSEDiff (NeurIPS 2024, arxiv:2406.08177) — ✅

• 核心贡献：一步分数蒸馏 Real-ISR 的范式确立者。
• 方法：LQ latent 直接当扩散输入（去掉随机噪声起点）+ 变分分数蒸馏（VSD）做 KL 正则。
• 关键结果：单步推理质量与多步方法相当，比 SeeSR 快 10×+，可训参数最少。
• 代码：cswry/OSEDiff · osediff.py:distribution_matching_loss。

怎么做的：LQ 图经 VAE 编码成 latent，直接作为 UNet 在一个固定时间步的输入，一次前向 + 一步 scheduler 出 latent，再解码——全程无迭代、无随机噪声起点。训练时这个一步学生（UNet+VAE 挂 LoRA）由重建损失（L2+LPIPS）兜底、再加 VSD 正则：在学生输出的加噪 latent 上，取一个冻结预训练 UNet（real score，带 CFG 放大）与一个在线 LoRA UNet（fake score，实时拟合学生当前分布）的预测之差当梯度，把学生分布推向预训练真实分布。三个设计决定值得注意：(1) 用 LQ 当起点而非纯噪声，消去采样随机性、利于保真；(2) VSD 只作正则项（lambda_vsd 压住），让重建主导，避免一步学生跑飞；(3) fake-score 必须用在线 LoRA，否则跟不上每步都在变的学生分布。代价是质量被 teacher（SD 先验）的天花板锁死。

OMGSR (2025, arxiv:2508.08227) — ✅ 本站精读 omgsr-2025

• 核心贡献：指出一步化的关键不是蒸馏，而是把 LQ 注入到 SNR 算出的「中间时刻 t*」。
• 方法：用信噪比匹配离线求全局 t*，在 t* 处一步去噪，整套 GAN 训练（判别器=DINOv3-ConvNeXt），无 teacher。
• 关键结果：SD2.1 上 t*≈273；一步 GAN 微调质量对标多步，路线与蒸馏正交。
• 代码：wuer5/OMGSR · mid_timestep/mid_timestep_sd.py。

怎么做的：把一步化的问题重述为「LQ 该注入到扩散调度的哪一帧」。OMGSR 先离线在整个训练集上扫所有时刻，用信噪比匹配——令调度的理论 SNR(t)=ᾱ_t/(1-ᾱ_t)·E[x²] 与 LQ 实测 SNR=E[x²]/E[(LQ−HQ)²] 的差最小——取 argmin 得到一个全局固定的 t*（SD2.1 上 ≈273）。推理时把 LQ latent 当作 t* 处的带噪 latent，做一步去噪。训练是 GAN：生成器就是扩散 UNet（LoRA 微调），判别器是 DINOv3-ConvNeXt 多级头，监督来自 GT + 判别器，没有 teacher；另有 LRR 损失（LoRA 微调 VAE 编码器）把 LQ latent 进一步拉向 t* 的带噪 HQ latent。设计取舍：注入到 t*（而非 t=999 纯噪声或 t=0 干净图）让一步要补的距离最短；GAN（无 teacher）把质量上限从「贴近 SD」解放出来，代价是 GAN 训练更难稳，故堆了 GT+判别器+LRR 多项联合。

OP4KSR (2026, arxiv:2605.13457) — ✅ 本站精读 op4ksr-2026

• 核心贡献：第一个「一步 + 无分块」真实世界 4K 超分，并根治一步全图前向诱发的周期格子伪影。
• 方法：F16 压缩 VAE 让 4K 单卡可跑 + 中间时刻一步微调（继承 OMGSR）+ RoPE 基频 10000→100（RFR）+ 自相关周期损失。
• 关键结果：5.75s 出一张 4K，较一步 OMGSR 约 16×、较多步 SUPIR 约 280×。
• 代码：官方未放出（机制据论文）。

怎么做的：把 OMGSR 的「中间时刻一步 GAN」推到全分辨率 4K 且不分块。三步：(1) 用 UltraFlux 的 F16 极压缩 VAE 把 4096×4096 的显存压到单卡可跑；(2) 借中间时刻对齐把 Flux 微调成一步前向（GAN 式，非师生蒸馏）；(3) 治理一步全图前向诱发的周期 32 像素格子伪影——作者把病因拆成两层：RoPE 相位坍缩（θ=10000 太大，相邻 token 不可分）与 2×2 打包后 unpack 把通道当空间，对症下两味药：RoPE 基频 10000→100（RFR）+ 基于自相关的周期性损失（L_AP）。设计取舍：无分块避免了拼缝，但把位置编码在超大尺寸上的混叠暴露出来——省下的分块步骤以新伪影的形式还回来，必须专门治理。

OFTSR (2024, arxiv:2412.09465) — ✅ 本站精读 oftsr-2024

• 核心贡献：一步 flow 超分，且保真-逼真可调。
• 方法：在一步 flow 模型上做可调的 fidelity-realism trade-off。
• 关键结果：单步生成，trade-off 曲线可控。
• 代码：见论文。

怎么做的：把超分建成一步 flow（rectified-flow 式从 LQ 到 HQ 的直线轨迹），一次前向出结果。关键设计是在一步模型上留一个保真-逼真可调旋钮：同一模型不重训即可在「忠于原图」与「锐利但更敢生成」之间滑动。它早于 OMGSR/OP4KSR，是本站收录的一步图像超分早期样本，确立了「一步 + trade-off 可控」这一对后续工作的诉求。

ODTSR (CVPR 2026, arxiv:2511.17138) — ✅

• 核心贡献：把「一步 + 可控保真」搬上 DiT 底座（Qwen-Image）。
• 方法：双视觉流（Control Noise + Prior Noise）+ Fidelity-aware 对抗训练（FAA），一步可控 Real-ISR。
• 关键结果：一步推理同时拿到保真与可控性（多步法靠随机性牺牲保真、一步法靠微调牺牲可控）。
• 代码：MediaX-SJTU/ODTSR。

怎么做的：以 Qwen-Image 这个 DiT 为底座做一步 Real-ISR，针对「多步法靠随机性出细节→保真低、一步法靠 fidelity-specific 微调→失去控制灵活性」这对矛盾。方法上设两条视觉流：一条 Control-Noise 流接收带可调噪声的 LQ，一条原始 Prior-Noise 流接收带一致噪声的 LQ；再用 Fidelity-aware Adversarial Training（FAA）在保住可控性的同时实现一步推理。设计取舍：双流让「控制强度」成为推理期可调量而非训练期写死，这是它相对 OSEDiff 这类一步法在「一步」之外多拿到的「可控」——也是目前图像侧少见的「一步 × 可控」样本（视频侧仍空白，见 §6）。

TEASR (2026, arxiv:2606.16188) — ✅

• 核心贡献：训练高效的「任意步」DiT，一步与多步统一在同一模型。
• 方法：自对抗蒸馏（无需 teacher/判别器）+ 时间步感知修正；单卡可蒸 20B 扩散模型。
• 关键结果：任意步采样，跨多数据集超 SOTA（作者报告）。
• 代码：本次未见官方仓库。

怎么做的：把「一步」与「多步」统一在同一个模型里——支持任意步采样。两个关键设计：(1) 自对抗蒸馏，让模型自己当自己的老师与判别器，省掉外部 teacher 和独立判别器，这是它「训练高效」的来源（单卡即可蒸 20B 扩散模型）；(2) 时间步感知修正 + 解耦时间步条件的双分支 DiT，把「当前噪声状态」与「去噪目标」分离，稳住一步生成在不同噪声水平上的质量。设计取舍：放弃外部 teacher/判别器换来训练成本骤降，但需要自对抗与时间步修正来补回稳定性——与 OSEDiff（有 teacher）、OMGSR（有判别器）形成「监督越省、越依赖结构性技巧稳住」的对照。

2.2 视频一步化（SeedVR 之后）

SeedVR (CVPR 2025 Highlight) — ✅(venue/repo) · arxiv 本次未核实

• 核心贡献：把 shifted-window 时空注意力 DiT 用于任意分辨率/长度的通用视频修复，成为后续视频线共同底座。
• 方法：自适应窗口的时空注意力 DiT（多步扩散）。
• 关键结果：通用视频修复，是 DUO-VSR/FlashVSR 等的对标基线。
• 代码：ByteDance-Seed/SeedVR · models/dit/window.py。

怎么做的：视频 → latent → 一个 DiT（非 UNet），核心是 shifted-window 的时空注意力：把视频 token 按 (t,h,w) 切成 3D 窗口、窗内做注意力，相邻层交替使用常规/位移窗口让感受野逐层扩散到全局。关键设计是自适应窗口——窗口尺寸按 720p 等效面积归一（缩放因子 s=√(45×80/(H·W))）折算，使任意分辨率下「每个窗口覆盖的画面比例」大致恒定（代码 make_shifted_720Pwindows_bysize 已核）。设计取舍：DiT 的注意力天然适配任意分辨率/长度 + 长程时序，胜过 UNet 的卷积归纳偏置；自适应窗口解决固定窗口在高分辨率下「覆盖比例失衡、语义范围漂移」的问题——但它仍是多步扩散，单条视频要跑几十步，慢，这把速度问题留给了 SeedVR2 及后续一步化。

SeedVR2 (ICLR 2026, arxiv:2506.05301) — ✅

• 核心贡献：SeedVR 自家一步化（同源），把通用视频修复压到单步。
• 方法：扩散对抗后训练（adversarial post-training）+ 自适应窗口注意力 + 特征匹配损失。
• 关键结果：单步即达到或超过多步视频修复；放出 3B/7B 权重（Apache-2.0）。
• 代码：同 SeedVR 仓库。

怎么做的：在 SeedVR 的 DiT 上做**扩散对抗后训练（adversarial post-training）**把多步压成单步：以预训练 SeedVR 为起点，用对抗目标 + 特征匹配损失（feature-matching）让一步学生的输出分布贴近真实分布。同时改进窗口注意力——窗口尺寸随输出分辨率动态调整，避免高分辨率下用预设窗口产生的窗口不一致（这正是 SeedVR 留下的痛点）。设计取舍：同源团队选择对抗后训练而非从零蒸馏，复用已训好的 SeedVR 能力、只补「一步」这一步；特征匹配损失稳住对抗训练。它是后续各家一步视频法（DUO-VSR 等）的对标基线（「比 SeedVR-7B 快 N×」）。

DOVE (NeurIPS 2025, arxiv:2505.16239) — ✅

• 核心贡献：把视频扩散基座 CogVideoX 微调成一步真实世界 VSR。
• 方法：latent→pixel 两阶段训练策略 + HQ-VSR 数据管线。
• 关键结果：比 MGLD-VSR 快约 28×，质量对标多步。
• 代码：zhengchen1999/DOVE。

怎么做的：不挂 LoRA，而是直接微调视频扩散基座 CogVideoX 成一步 VSR，关键是 latent-pixel 两阶段训练：第一阶段在 latent 空间让模型学会「从 LQ 视频 latent 一步还原」，第二阶段在 pixel 空间精修解码后的细节与色彩；配套构造 HQ-VSR 高质量数据管线。设计取舍：选 CogVideoX 这种视频基座是为了直接继承其自带的时序建模能力，省掉显式光流约束；两阶段是因为纯 latent 训练后解码会残留像素级伪影，需 pixel 阶段补。代价是微调整个视频基座比挂 LoRA 重。

DLoRAL (NeurIPS 2025, arxiv:2506.15591) — ✅

• 核心贡献：把「时序一致」与「空间细节」解耦成两组可分别训练、推理合并的 LoRA。
• 方法：C-LoRA（一致性，光流损失）+ D-LoRA（细节）分阶段训练，跨帧检索 CFR 聚合邻帧；推理合并进 SD 一步。
• 关键结果：比 Upscale-A-Video/MGLD 快约 10×、比 STAR 快约 8×，参数最少。
• 代码：yjsunnn/DLoRAL · src/DLoRAL_model.py。

怎么做的：给 SD 同一套基权重挂两组 LoRA——C-LoRA 专管帧间一致（训练时用光流一致性损失：让预测帧对的运动场对齐真值帧对的运动场），D-LoRA 专管空间细节。两组分阶段交替训练：训一致性时冻细节、训细节时冻一致性（代码 set_train_quality/set_train_consistency 按参数名前缀开关梯度，已核），再配跨帧检索 CFR 聚合邻帧信息喂给一致性。推理时两组增量直接合并进基权重，一步出图、零额外开销。设计取舍：让单组权重同时管「锐」和「稳」会顾此失彼——细节损失不断往高频塞内容，而高频正是帧间最易抖的部分；拆成两组、先稳后锐，把闪烁源提前压住。合并即免费（线性可加）是它相对蒸馏路线的工程优势。

DUO-VSR (CVPR 2026, arxiv:2603.22271) — ✅

• 核心贡献：双流蒸馏把多步视频教师稳定地压成一步。
• 方法：DMD 分布匹配 + RFS-GAN 对抗双流 + 渐进引导初始化 + 偏好精修。
• 关键结果：一步推理比多步 SeedVR-7B 快约 50×，质量更优。
• 代码：cszy98/DUO-VSR。

怎么做的：三阶段把多步视频教师压成一步学生：(1) 渐进引导蒸馏初始化（trajectory-preserving）先稳住后续训练；(2) 双流蒸馏并行——DMD（分布匹配蒸馏，类似 §3 的 VSD 用分数差把学生分布推向教师）+ RFS-GAN（Real-Fake Score Feature GAN，用真/假分数模型的判别特征提供互补对抗监督）；(3) 偏好引导精修对齐感知质量。设计取舍：直接把 DMD 套到 VSR 会训练不稳、监督不足，故加 RFS-GAN 这条对抗流补高频与稳定性，再用初始化阶段防早期崩塌——这是「纯蒸馏不够、需对抗补位」的典型。一步推理使其比多步 SeedVR-7B 快约 50×。

STCDiT (2025, arxiv:2511.18786) — ✅

• 核心贡献：抗复杂相机运动的高质量视频超分。
• 方法：基于 Wan2.1；运动感知 VAE 分段重建 + anchor-frame 引导约束结构。
• 关键结果：结构保真与时序一致性超 SOTA（作者报告）。
• 代码：本次未见放出。

怎么做的：基于 Wan2.1 的多步视频超分，专攻复杂相机运动下的结构与时序稳定。两个设计：(1) 运动感知 VAE 分段重建——把视频按运动特性切成「段内运动一致」的 clip 分别重建，避免单一 VAE 在剧烈/变速运动上糊掉；(2) anchor-frame 引导——用每个 clip 第一帧 latent 的结构信息约束生成，提升结构保真。设计取舍：它没有走一步化，而是用多步换质量，针对的是「相机大幅运动」这个一步法和逐帧法都容易崩的场景——是本批工作里少数明确「不一步、保质量」的反例。

2.3 视频流式 / 长视频 / 实时

FlashVSR (CVPR 2026, arxiv:2510.12747) — ✅

• 核心贡献：首个面向实时的一步流式扩散 VSR。
• 方法：三阶段蒸馏 + 局部约束稀疏注意力 + 微型条件解码器；放出 VSR-120K。
• 关键结果：A100 上 768×1408 约 17 FPS，较前一步法约 12×。
• 代码：OpenImagingLab/FlashVSR · diffsynth/models/wan_video_dit.py。

怎么做的：三件套支撑实时流式。(1) 三阶段蒸馏把采样压到一步；(2) 局部约束稀疏注意力——新帧的窗口化 K/V 先与上一步缓存 pre_cache_k/v 拼接（rolling KV-cache），在拼接序列上做「局部块掩码 + draft TopK 稀疏掩码」注意力，再按窗宽 kv_len 滚动淘汰最老的块（代码 wan_video_dit.py 已核）；(3) 微型条件解码器替掉笨重 VAE 解码。设计取舍：双向注意力要看未来帧、且 O(T²)，根本没法流式；改成因果 + KV-cache 把复杂度降到 O(T·w) 且可边来边超；稀疏注意力只盯局部，顺带因「对绝对分辨率不敏感」弥合了训练（低分辨率短片）与测试（高分辨率长片）的尺度 gap。A100 上 768×1408 约 17 FPS。

InfVSR (2025, arxiv:2510.00948) — ✅

• 核心贡献：把 VSR 重写成自回归一步扩散，破除长度上限。
• 方法：预训练 DiT 改因果结构 + rolling KV-cache + 联合视觉引导；训短测长。
• 关键结果：比 MGLD-VSR 快约 58×，任意长度稳定。
• 代码：Kai-Liu001/InfVSR（当前仅项目页/图，未放出代码）。

怎么做的：把 VSR 重写成自回归一步扩散。将预训练 DiT 适配成因果结构，用 rolling KV-cache 做流式推理，并以联合视觉引导维持局部与全局一致性；整模型在短视频上训练，测试时泛化到任意长度。设计取舍：现有生成式 VSR 处理长序列有两个老问题——多步去噪全长序列太贵、按时间分块又产生接缝/不连续；InfVSR 用「因果一步 + KV-cache」同时绕开两者。训短测长能成立，靠的是因果+局部使模型学到的是「与绝对序列长度无关」的局部修复规律。比 MGLD-VSR 快约 58×。

Stream-DiffVSR (2025, arxiv:2512.23709) — ✅

• 核心贡献：把扩散 VSR 的首帧延迟压到亚秒，首个适合低延迟在线部署的扩散 VSR。
• 方法：4 步蒸馏去噪 + 自回归时序引导（ARTG）+ 时序感知微型解码器（TPM）。
• 关键结果：720p 单帧 0.328s（RTX4090），较在线 SOTA TMP 延迟降 >130×、LPIPS +0.095。
• 代码：jamichss/Stream-DiffVSR。

怎么做的：三个组件压低延迟。(1) 4 步蒸馏的去噪器（不追求一步，留 4 步换质量稳定）；(2) 自回归时序引导 ARTG——在 latent 去噪过程中注入运动对齐的时序线索，维持帧间连贯；(3) 时序感知微型解码器 TPM——轻量解码同时增强细节与时序一致。设计取舍：它优化的是首帧延迟（720p 0.328s on RTX4090，较在线 SOTA TMP 降 >130×）而非吞吐——这与 FlashVSR 优化 FPS 是不同目标，二者宣称的「实时」不是同一指标（见 §4）。4 步而非 1 步是延迟与质量的折中。

3. 平行对比

—— 区分性轴：一步化机制（蒸馏 / GAN-中间时刻 / 解耦 LoRA / 自回归流式）与监督来源（teacher 分数 vs 判别器 vs 重建+一致性）是真正把这批工作分开的两列；「步数」几乎全压到 1，已不再是区分点。

4. 一致与矛盾

一致（多份独立工作收敛）：

• 一步化已是默认。 除 STCDiT（明确走多步换质量）外，2025–2026 的图像与视频工作几乎全部把步数压到 1（Stream-DiffVSR 4 步是流式折中）。这是跨十余篇独立工作的强收敛信号。
• 「冻结/复用预训练先验，只学如何一步」是公认地基。 OSEDiff/DLoRAL/DOVE/SeedVR2 都不重训生成能力，只改造采样或挂适配器——继承自 StableSR 的「diffusion prior」范式。
• 加速度量级一致可信。 「比多步基线快 ~10–50×」在 DOVE(28×)/DLoRAL(8–10×)/DUO-VSR(50×)/InfVSR(58×) 反复出现，方向一致。

矛盾 / 不可直接比较（点名具体冲突）：

• 「一步靠不靠 teacher」存在路线之争。 OSEDiff/DUO-VSR 主张分数/分布蒸馏（有 teacher，稳但受 teacher 天花板）；OMGSR/OP4KSR 明确主张不要 teacher、用 GAN + 中间时刻注入（上限更高但更难训）；TEASR 又主张自对抗蒸馏、连判别器都不要。三者对「一步的正确监督是什么」给出互斥答案。
• 加速倍数的基线不统一，横向不可比。 DOVE「28× vs MGLD-VSR」、DUO-VSR「50× vs SeedVR-7B」、InfVSR「58× vs MGLD-VSR」、Stream-DiffVSR「>130× vs TMP」——基线模型、分辨率、硬件各异（A100 vs RTX4090），这些倍数不能直接排序。读者须回到「同基线同硬件」才能比较。
• 「实时」定义不一致。 FlashVSR 报吞吐（17 FPS），Stream-DiffVSR 报首帧延迟（0.328s）——一个优化 throughput、一个优化 latency，宣称的「实时」不是同一指标。
• 评测集分散。 图像侧多用 RealSR/DRealSR/合成退化，视频侧用各自构造的数据（HQ-VSR、VSR-120K），缺少统一公开 benchmark，绝对分数跨论文不可比。

5. 代码交叉验证

对每个本地有仓库的承重主张，打开实现函数确认与论文一致（本次实际比对，非据摘要）：

• ✅ OSEDiff 的 VSD：osediff.py:distribution_matching_loss(L206–243) 计算 grad = (x0_pred_update - x0_pred_fix)/weighting_factor 再 F.mse_loss(latents,(latents-grad).detach())——正是论文的 real/fake 分数差梯度，unet_fix 带 cfg_vsd 即 CFG。与「VSD KL 正则」主张一致。
• ✅ OMGSR 的中间时刻：mid_timestep/mid_timestep_sd.py(L59–80) 扫全时刻算 SNR1=ᾱ_t·E[x²]/(1-ᾱ_t) 与 SNR2=E[x²]/E[(LQ-HQ)²]，loss=|SNR1-SNR2| 累加后取 argmin 得 t*。与「用 SNR 匹配求注入时刻」主张一致。
• ✅ DLoRAL 的双 LoRA 解耦：src/DLoRAL_model.py:set_train_quality/set_train_consistency(L327–349) 按参数名前缀 "quality"/"consistency" 分别开关 requires_grad，且一致性阶段连 cfr_main_net 一并解冻。与「C/D-LoRA 分阶段训练 + CFR」主张一致。
• ✅ SeedVR 的自适应窗口：models/dit/window.py:make_shifted_720Pwindows_bysize(L51–70) 用 scale=sqrt((45*80)/(h*w)) 按 720p 面积折算窗口尺寸、按 wt<t 决定半窗位移。与「窗口随分辨率自适应」主张一致。
• ✅ FlashVSR 的流式注意力：diffsynth/models/wan_video_dit.py(L344–382) torch.cat([pre_cache_k,k_w]) 拼缓存、generate_draft_block_mask(...,topk,local_attn_mask) 同时施加局部 + TopK 稀疏掩码、if cache_num>kv_len: cache_k=k_w[one_len:] 滚动淘汰、return ...,cache_k,cache_v。与「KV-cache + 局部约束稀疏注意力」主张一致。
• ✅ StableSR 的 CFW（对照基线）：ldm/modules/diffusionmodules/model.py:Fuse_sft_block_RRDB(L822–835) out=dec_feat + w*RRDB(cat(enc,dec))——保真旋钮 w 的实现，与「controllable feature wrapping」一致。

⚠️ 未逐行核：DOVE 的 latent/pixel 两阶段（仓库 finetune/ 存在，未逐行比对）；DUO-VSR/Stream-DiffVSR 仓库存在但本次未打开核函数；OP4KSR/TEASR/STCDiT 无官方代码——以上加速/机制主张以论文与项目页为准，未做代码级确认。

6. 启发与白地

• 一步化的代价会以别的形式还回来。 省下的采样步数转成新问题：OP4KSR 的 4K 周期伪影、分数蒸馏的训练失稳、流式法的远距离一致性减弱。一步不是免费午餐，是把「推理迭代的算力」换成「训练技巧 + 可控的质量让步」。
• 视频侧的 all-in-one 缺位。 图像侧 2026 已大量「一个模型修所有退化」（ClusIR/TPGDiff 等），视频修复仍按退化类型分散，没有统一框架——明显白地。
• 可控 × 一步，在视频几乎空白。 图像侧 ODTSR 已做到一步 + 保真旋钮（继承 StableSR CFW），视频侧一步法（DLoRAL/DUO-VSR）尚无等价的连续可控接口。
• 评测亟需统一。 加速倍数基线不一、硬件不一、数据集私有，导致跨论文不可比——一个固定基线 + 固定硬件 + 公开数据的 VSR 排行榜，是当前最有价值的基础设施空缺。
• 监督路线尚未收敛。 蒸馏（有 teacher）vs GAN-中间时刻（无 teacher）vs 自对抗（无 teacher 无 D）三条路并存且各有 SOTA 宣称，谁在什么条件下更优，仍是开放问题。

7. 参考文献

均经联网核实（arxiv 可点开）。

图像

• SR3 — Image Super-Resolution via Iterative Refinement (2021). arxiv:2104.07636 ·【seminal】
• StableSR — Exploiting Diffusion Prior for Real-World ISR (IJCV 2024). arxiv:2305.07015
• OSEDiff — One-Step Effective Diffusion Network for Real-World ISR (NeurIPS 2024). arxiv:2406.08177
• OFTSR — One-Step Flow for ISR with Tunable Fidelity-Realism Trade-offs (2024). arxiv:2412.09465
• OMGSR — You Only Need One Mid-timestep Guidance for Real-World ISR (2025). arxiv:2508.08227
• OP4KSR — One-Step Patch-Free 4K SR with Periodic Artifact Suppression (2026). arxiv:2605.13457
• ODTSR — One-Step Diffusion Transformer for Controllable Real-World ISR (CVPR 2026). arxiv:2511.17138
• TEASR — Training-Efficient Any-Step Diffusion Transformer for Real-World ISR (2026). arxiv:2606.16188

视频

• SeedVR — Seeding Infinity in Diffusion Transformer Towards Generic Video Restoration (CVPR 2025 Highlight).
• SeedVR2 — One-Step Video Restoration via Diffusion Adversarial Post-Training (ICLR 2026). arxiv:2506.05301
• DOVE — Efficient One-Step Diffusion Model for Real-World VSR (NeurIPS 2025). arxiv:2505.16239
• DLoRAL — One-Step Diffusion for Detail-Rich and Temporally Consistent VSR (NeurIPS 2025). arxiv:2506.15591
• DUO-VSR — Dual-Stream Distillation for One-Step VSR (CVPR 2026). arxiv:2603.22271
• STCDiT — Spatio-Temporally Consistent Diffusion Transformer for VSR (2025). arxiv:2511.18786
• FlashVSR — Towards Real-Time Diffusion-Based Streaming VSR (CVPR 2026). arxiv:2510.12747
• InfVSR — Breaking Length Limits of Generic VSR (2025). arxiv:2510.00948
• Stream-DiffVSR — Low-Latency Streamable VSR via Auto-Regressive Diffusion (2025). arxiv:2512.23709

本站相关：教程 diffusion-sr-2021（原理精讲）；精读 omgsr-2025、op4ksr-2026、oftsr-2024。