手机超分快113倍还不糊，这届竞赛玩明白了

你有没有过这种经历：手机里存着一张模糊的旧照片，想放大看清细节，结果要么等半分钟出一张满是马赛克的图，要么干脆卡在加载界面？这不是你的手机太烂，而是「移动端超分辨率」一直是道无解的题——要让模糊照片变高清，得用复杂模型算半天；要快，就得牺牲画质，鱼和熊掌似乎永远不可兼得。但NTIRE 2026这场竞赛，直接把这道题的答案掀在了桌面上：VIPSL团队的方案，把基准模型的速度提了113倍，画质还没崩。这不是简单的「优化」，而是把过去十年的技术死胡同，凿出了一条新大路。

从爬楼梯到坐电梯：单步扩散的魔法

你可以把传统的超分模型想象成爬楼梯——要从模糊的低清图爬到高清图，得一步一步去噪、修复，每一步都要算半天，手机处理器根本扛不住。而这次竞赛里的「单步扩散模型」，直接把楼梯改成了电梯。

传统扩散模型要花几百步迭代去噪，就像你要擦干净一个满是泥点的盘子，得蘸水、打洗洁精、反复擦拭几十次。单步扩散模型则是直接把脏盘子放进洗碗机，一次操作就搞定。它跳过了中间所有的迭代步骤，用一个训练好的网络，直接把低清图映射成高清图。

但真实的机制比洗碗机更精确：它不是凭空生成细节，而是通过学习海量图像的「纹理规律」，比如皮肤的毛孔、树叶的脉络，在低清图的基础上补全最合理的细节。TODSR团队还做了个更巧妙的优化：他们把低清图的特征和扩散模型的潜在空间做了「对齐」，就像给电梯精准定位到你所在的楼层，不用再一层层停靠，进一步提升了稳定性和速度。

让大模型当老师，小模型学本事

如果说单步扩散是解决了「快」的问题，那「知识蒸馏」就是解决了「好」的问题。你可以把它想象成：一个教授（大模型）把自己几十年的知识，浓缩成一本薄讲义（小模型），让学生（移动端模型）不用读几百万字的专著，就能掌握核心内容。

三星AICamera团队的方案就是最好的例子：他们先用一个性能超强的大模型OSEDiff生成高清图，然后让一个轻量的小模型去「模仿」大模型的输出。这个小模型就像一个学徒，跟着教授一笔一划地学，最后画出来的画，和教授的几乎一模一样，但耗时只有几十分之一。

他们还加了个「细节增强模块」，就像学徒学完基础后，专门去练最容易出效果的细节——比如人物的睫毛、建筑的窗格。这样一来，小模型不仅快，还能保留大模型的细节质感。更关键的是，整个过程不需要大模型一直在场，学生学会了就可以独立干活，完美适配手机的有限算力。

不是选A或B，而是A+B：混合架构的巧思

这次竞赛里还有个有意思的趋势：越来越多的团队不再执着于「用哪种模型最好」，而是开始「混搭」。就像你做饭时，不会只用电饭锅或炒锅，而是根据食材选最合适的工具。

YuFans团队就把扩散模型和GAN模型的输出按7:3的比例融合——扩散模型擅长生成丰富的纹理，但偶尔会有伪影；GAN模型擅长保持结构稳定，但细节不够生动。把两者的输出像调鸡尾酒一样混合，再加上一点后处理的「调味」，最后出来的图既有扩散模型的细节，又有GAN模型的稳定。

更聪明的是他们的训练方法：直接把竞赛用来评分的6种图像质量指标，当成了模型的「学习目标」。就像考试前老师直接把考点告诉你，你不用瞎猜重点，直接对着考点复习。这种「指哪打哪」的优化，让模型的得分直接拉满，也给未来的研究指了条明路：与其追求「完美的模型」，不如追求「最适合任务的模型组合」。

这场竞赛最让人兴奋的，不是113倍的速度提升，而是它打破了一个持续十年的偏见：移动端AI就只能是「低配版」。过去我们总觉得，要在手机上跑AI，就得牺牲性能、降低精度，但这次的冠军方案证明，只要找对了方法，鱼和熊掌可以兼得。

未来的手机拍照，可能再也不会有「糊片」的烦恼：你随手拍的一张夜景，手机能在瞬间把噪点去掉、把暗部细节拉满；你存了十年的旧照片，一键就能修复成4K高清。更重要的是，这种「算法+硬件」的协同优化思路，会从超分扩散到更多领域——比如实时翻译、AR特效、自动驾驶。

真正的高效，不是妥协，而是精准的适配。 当我们不再强求用大模型解决所有问题，而是学会让小模型「聪明地干活」，移动端AI的黄金时代才刚刚开始。