Agentic 范式下的视频画质优化：火山引擎的新路径

用户刷视频时，对画质的判断往往发生在几秒之内。同样是短视频、直播、AIGC视频，有的画面清晰、稳定、有质感，人物的眉眼、物品的纹理、运动中的细节都足够自然；有的则模糊、压缩痕迹重，动作一快就闪烁、发虚，让人只想很快划走。 过去，平台解决这些问题的方式相对明确：在生产端做基础美化和编辑；在服务端用超分、去噪、锐化、去压缩等算法，把模糊、发虚的部分逐段修回来；在客户端则通过播放控制和端侧后处理增强，把视频清晰、流畅地呈现在观众眼前。 但现在，视频不再只是由摄像机拍出来，也可能由 AI 直接生成。这意味着画质问题也不再只是拍摄损伤、分辨率低、噪声多、压缩重，而是增加了纹理不真实、人物结构异常、动作不连贯、风格不稳定等更复杂的情况。 这让人们对画质优化的要求不再仅限于“让视频更清晰、流畅”，还要让不同来源、不同质量、不同场景中的视频，都能达到可消费、可分发、可商业化的标准，甚至能做到对原本画质的超越。 面对新的视频生产方式、更复杂的任务和更高的期待，视频画质优化本身也在从一条由人驱动的后处理流水线，变成一个能够理解、判断、执行和反馈的 Agent 系统。 画质优化在变成一种创作过程 过去，拍摄的视频会有一个“标准”参照物。画质优化工作就是参照这个标准，把因为拍摄、压缩、传输而变坏的视频，去掉噪声、减少压缩伪影、提高分辨率，让画面回到更接近被拍摄时的状态。 但现在情况在发生变化。 首先，不同视频场景的画质问题并不相同：UGC视频常见的是模糊、抖动、噪声和压缩损伤；赛事直播更在意高帧率、低延迟和运动清晰；电商直播要求实时美颜，但又不能改变商品颜色；老片修复可能需要去噪、上色、超分一体化；AIGC视频则需要去闪烁、修结构，同时保留原有风格。 其次，过去往往是一个问题对应一个模型，一类退化对应一条规则。问题数量有限时，这种线性堆叠是有效的。但当业务需求变成多场景、多目标、多约束的组合，复杂度会迅速上升。清晰度、码率、算力、延迟、保真度、风格一致性……这些目标经常同时出现，且相互制约。 最后，画质增强不再只是去掉坏的，还要补回对的，甚至做出美的。过去，用户对画质增强的要求可以概括为“别糊、别卡、别有马赛克”。现在，很多场景里的目标已经变成“比原片还好看”“更有质感”“更电影化”。 评判标准和能力边界也在随之产生变化。 评判标准正在从客观指标更多变成主观审美。传统画质增强可以用 PSNR 等指标衡量，增强后指标提升多少，往往可以被视为明确进步。但“更有电影感”“肤质好但不假”“画面更通透”很难完全用单一指标衡量。画质优化开始要回答更开放的审美问题。 这也推动了能力边界由“画质还原”走向“内容再生成”，从像素修复延伸到审美和语义，尝试去“脑补”那些丢失的细节。这样的画质优化已经不只是技术修补，而是接近一种受约束的创作过程。 最终，在“理解什么是好”和“生成出更好”的过程中，新一代