TecoGAN是一个用于视频超分辨率的生成对抗网络（GAN），专注于生成具有时序一致性的高分辨率视频。该项目由慕尼黑工业大学的研究团队开发，旨在通过自监督学习提升视频生成中的时间连贯性。项目提供了推理、训练和下载训练数据的代码，并包含预训练模型。TecoGAN的生成能力在细节持久性和时空一致性方面表现出色，能够生成长时间保持细节的视频序列。
APISR是一个专注于动漫图像和视频的超分辨率模型，旨在通过提升画质分辨率来恢复和增强低质量、低分辨率的动漫图像和视频源。该项目特别针对真实场景中的各种退化问题，提供了多种超分辨率模型和权重，支持2x、4x等不同放大倍数的处理。APISR还提供了在线演示、本地Gradio推理、数据集处理、训练等功能，适用于动漫爱好者和研究人员。
EvTexture是一种基于事件相机的高频动态细节来提升视频纹理质量的新方法。通过多次迭代优化细节信息，确保在时间轴上每一帧的细节都能保持一致。该项目提供了Pytorch实现，并已在ICML 2024上发表。项目支持多种数据集，并提供了预训练模型和测试集，方便用户快速测试和使用。
STAR是由南京大学、字节跳动、西南大学联合推出的创新视频超分辨率框架，旨在从低分辨率视频生成高分辨率视频，同时保持细节清晰度和时间一致性。该项目整合了强大的文本到视频扩散模型，增强了视频的空间细节和时间建模能力。STAR引入了局部信息增强模块（LEM），在全局注意力块之前丰富局部细节，减轻复杂退化引入的伪影问题。此外，STAR还推出了动态频率（DF）损失，引导模型在不同扩散步骤中关注不同频率成分，从而提高恢复保真度。
TDAN（Temporally-Deformable Alignment Network for Video Super-Resolution）是一个专注于视频超分辨率的网络，通过时变对齐技术实现高质量的视频帧重建。它能够有效处理低分辨率视频，提升视频质量，适用于各种视频超分辨率任务。
VideoGigaGAN是一种视频超分辨率（VSR）方法，能够生成具有高频细节和时间一致性的视频，扩展自GigaGAN。该项目通过将视频放大8倍，显著提高上采样视频的时间一致性，确保生成的画面在细节和流畅度上都达到高标准。
FMA-Net是一个视频超分辨率和去模糊的联合学习方案，旨在将模糊、低质量的视频转变为清晰、高质量的视频。
一种通过记忆增强非局部注意力机制来提升视频超分辨率的方法，可以有效改善视频质量。
aimages AI是一个在线AI视频增强和放大器，允许用户通过人工智能提高视频和图像的质量，提供专业级的增强和放大功能，支持各种设备，无需安装，操作简单。
EyeQ是一家数字影像公司，提供自动照片修正和AI视频增强技术，旨在为企业提供高效、便捷的解决方案，以获得竞争优势。
UniFab All In One是一款由AI驱动的综合视频处理工具，能够将视频分辨率提升至4K，并将音频升级至DTS 7.1环绕声，全面提升视频和音频质量。
视频增强器是Vmake推出的一款在线工具，旨在通过将低分辨率视频转换为高质量视觉效果，提升视频的整体清晰度和外观，帮助用户恢复模糊或旧视频的生动感。
Fotor Video Enhancer AI 利用人工智能技术，自动优化视频的清晰度、色彩和亮度，帮助用户轻松提升视频质量，适合个人和专业人士使用。
HitPaw Video Enhancer是一款利用AI技术提升视频分辨率和质量的视频增强工具，支持多种视频类型的处理。用户只需上传视频，选择合适的AI模型，预览效果后即可导出增强后的视频。
Flawless AI 是一款领先的生成性AI工具，专为电影制作、内容创作和数字艺术设计，自动化视频后期制作的复杂过程，提升视频质量，让每一帧都能以最佳状态呈现。
