围绕音视频质量评估与AI修复展开深入探讨，从基本概念出发逐步深入到高级应用。内容涵盖前端开发与AI交互、前端AI应用中的音视频质量评估与AI修复原理、关键算法、性能特性及优化策略，结合实际案例分析常见问题与解决方案，为工程实践提供系统性指导，适合希望深入理解该领域的技术人员学习参考。本文内容结构清晰，适合不同层次读者学习。

学习提示

需要学习音视频质量评估与AI修复，涉及AI等核心概念。从基本概念出发逐步深入到高级应用。这一知识点在前端AI应用 > 37.4.3 实时音视频WebRTC+AI中承上启下，连接基础理论与工程实践。

目录
  1. 可视化演示
  2. AI 应用场景
  3. Python 演示
  4. 常见误区
  5. 面试题

可视化演示

进度—

围绕音视频质量评估与AI修复展开深入探讨，从基本概念出发逐步深入到高级应用。内容涵盖前端开发与AI交互、前端AI应用中的音视频质量评估与AI修复原理、关键算法、性能特性及优化策略，结合实际案例分析常见问题与解决方案，为工...

画质受损根源

眼科医生接诊时，第一句话往往是：“最近什么时候开始看不清的？”同理，做音视频质量评估，第一步不是拿指标去量，而是先搞明白画面为什么会受损。不知道病因，再好的AI修复也无从下手。

在WebRTC实时音视频链路中，画质受损主要来自四个环节。第一，编码压缩：H.264、VP8、AV1等编码器为了把巨大的原始帧压到几十KB，会有意丢弃人眼不敏感的高频细节，于是出现块效应和模糊，像皮肤上贴了一层方格贴纸。第二，网络丢包与抖动：实时传输走UDP，丢包会直接导致花屏、马赛克，好比眼底血管破裂，视觉区域突然“失明”。第三，分辨率限制：摄像头或带宽上限不够，只能输出720P甚至480P，拉到全屏后自然会“雾里看花”。第四，采集噪声：暗光环境下的传感器会放大感光增益，画面出现细微雪花噪点，像夜间视网膜产生的视觉噪声。

这些因素常常叠加出现。工程实践中，常见做法是先看采集端是否曝光不足，再检查编码参数是否压得过狠，最后用WebRTC统计里的丢包率、抖动、往返时延定位网络问题。理解病灶，后面的评估指标才有意义。

这个公式告诉你：不压缩的话视频数据量有多恐怖，因此画质受损是视频通信的宿命。

原始码率=宽×高×帧率×像素深度\text{原始码率} = \text{宽} \times \text{高} \times \text{帧率} \times \text{像素深度}
  1. 宽一帧画面水平方向的像素个数，它决定了画面有多细腻。
    宽=1920 \text{宽} = 1920
  2. 高垂直方向的像素个数，与宽相乘得到单帧的像素总数。
    像素总数=宽×高 \text{像素总数} = \text{宽} \times \text{高}
  3. 帧率每秒输出的画面帧数，帧率越高，运动越平滑。
    帧率=30 fps \text{帧率} = 30\ \text{fps}
  4. 像素深度每个像素用多少比特表示颜色，深度越大，色彩越丰富。 知道了病根，医生才能决定是配镜还是手术；知道了画质是死于压缩、丢包还是噪声，工程师也才能决定该用超分、去块还是去噪来修复。
    像素深度=24 bit \text{像素深度} = 24\ \text{bit}

经典量化指标

医生测视力需要视力表，视频领域也有几张经典的“视力表”，它们从不同角度告诉你：这一帧画面和理想的差距有多大。

最常用的是PSNR（峰值信噪比），它像最传统的视力表：比较两幅图像逐像素的误差能量，数值越高，误差越低，超过40dB时人眼一般难以分辨差异。第二张是SSIM（结构相似度），它不再只盯“亮度差”，而是同时考察亮度、对比度和结构三方面的相似性，好比医生不光看你“能不能看见”，还看你眼底纹理是否清晰。第三张是VMAF，由Netflix用机器学习做出来的融合评分，综合纹理、运动、失真等多类特征，并让真人打分来训练，目标是“人眼觉得好”。最后是MOS（主观平均意见分），直接请真人观看视频打1-5分，是评估的“金标准”，但耗时耗力，工程上只做调优参考。

PSNR用信号峰值和噪声误差的比来表示画质，数值越高代表误差能量越小。

PSNR=10×log⁡10(MAX2MSE)\text{PSNR} = 10 \times \log_{10}\left(\frac{\text{MAX}^2}{\text{MSE}}\right)
  1. μx、μy两幅图局部区域的亮度均值，用来比较画面亮度是否一致。
    μx=1N∑i=1Nxi \mu_x = \frac{1}{N}\sum_{i=1}^{N}x_i
  2. σx、σy局部区域的标准差，反映对比度强弱的差异。
    σx=1N∑i=1N(xi−μx)2 \sigma_x = \sqrt{\frac{1}{N}\sum_{i=1}^{N}(x_i - \mu_x)^2}
  3. σxy两幅图的协方差，衡量纹理结构的一致性，是SSIM的灵魂。
    σxy=1N∑i=1N(xi−μx)(yi−μy) \sigma_{xy} = \frac{1}{N}\sum_{i=1}^{N}(x_i - \mu_x)(y_i - \mu_y)
  4. C1、C2两个稳定常数，避免分母出现“除零”的危险。
    C1=(0.01×MAX)2,C2=(0.03×MAX)2 C_1 = (0.01 \times \text{MAX})^2,\quad C_2 = (0.03 \times \text{MAX})^2
  5. 整体比值结果在-1到1之间，越接近1，两张图越一致。 这三张“视力表”各有分工：PSNR直白严格，SSIM关心结构，VMAF更懂人眼，MOS最真实但最慢。工程上要组合使用，不能只看一张表就下结论。

传统评估局限

传统评估方法有一个硬伤：PSNR和SSIM都属于“全参考”指标，必须有原始高清图作对照。这就像你去看眼病，医生却要求你找出20年前的毕业照才能判断视力好坏。在直播、会议、连麦场景里，发送端和接收端通常只留下压缩后的流，根本拿不到原始参考图。

传统方法的具体局限有四条。第一，全参考依赖：算法需要原图，而真实场景中没有原图。第二，无参考盲区：人眼不用原图也能判断“这个视频糊了”，传统算法却做不到，尤其面对运动模糊、花屏这类“非典型眼病”时更是束手无策。第三，计算开销大：4K分辨率下逐像素比较的耗时很高，很难塞进几十毫秒的实时预算。第四，场景适应差：同一个PSNR数值，在动画片和体育直播里给观众的体感完全不同，传统方法不理解“观感”这种主观概念。

均方误差是PSNR的地基：把两张图逐像素相减求平方再平均，误差能量越小，画面越接近。

MSE=1N∑i=1N(xi−yi)2\text{MSE} = \frac{1}{N} \sum_{i=1}^{N} (x_i - y_i)^2
  1. N参与比较的像素总数。
    N=宽×高 N = \text{宽} \times \text{高}
  2. xi、yi参考图与受损图在第i个像素点上的亮度值。
    xi, yi∈[0,255] x_i,\ y_i \in [0, 255]
  3. 差值平方先把像素差平方，消除正负符号的影响，并放大大误差。
    (xi−yi)2 (x_i - y_i)^2
  4. 取平均把所有像素误差求平均，得到整张图平均误差能量。 所以，视频领域也需要一位“老中医”——不依赖原图，靠经验就能一眼看出画面是不是“虚”、是不是“花”。这正是AI质量评估登场的原因。
    1N∑i=1N(⋅) \frac{1}{N}\sum_{i=1}^{N}(\cdot)

AI质量评估

AI医生不需要原图，它把成千上万个视频帧和主观评分装进脑子里，练出“火眼金睛”。推理时，只需要输入受损帧，网络就能输出一个质量分数——这就是无参考质量评估。

方法上，通常先用卷积神经网络提取深度特征：浅层识别边缘、纹理，深层捕捉语义和失真模式；再由回归层把特征加权汇成最终评分。整个模型采用端到端训练：输入是帧，标签是人的主观分或VMAF，训练目标是让预测分和标签的误差最小。为了让评分更可解释，部分模型还会输出像素级“损伤热图”，标出哪些区域最需要修复。到了实时推理阶段，模型会做量化、剪枝，并配合WebGPU、WASM落地到前端，否则一帧推理时间超过33ms，视频就会卡顿。

一个视频帧经过特征提取网络和打分网络，输出一个质量分数，全程不需要原始清晰图。

Q=gθ(fϕ(Iframe))Q = g_\theta\left(f_\phi(I_{\text{frame}})\right)
  1. I_frame输入的单帧画面，相当于医生观察到的“眼表照片”。
    Iframe∈RH×W×C I_{\text{frame}} \in \mathbb{R}^{H \times W \times C}
  2. f_φ卷积特征提取网络，自动学习纹理、边缘、运动等感知线索。
    fϕ(Iframe)→特征向量 f_\phi(I_{\text{frame}}) \to \text{特征向量}
  3. g_θ打分回归头，把特征向量映射成0到100的质量分。
    gθ(⋅)→Q g_\theta(\cdot) \to Q
  4. 整体流程两个模块级联，端到端训练，推理时一步前向就出分。 AI医生有经验、能“望闻问切”，但它始终要快。于是下一步自然就来到了“治疗方案”——AI修复。

AI修复增强

检查之后是治疗。AI修复相当于给视频做“眼科手术”，把模糊、块状、带噪的画面恢复成清晰画面。主流手段有四种：超分辨率重建，把480P的输入放大到1080P甚至4K，补出高频细节，相当于给“近视”患者配上一副高精度眼镜；去块效应与降噪，抹平压缩产生的方块和暗光噪点，相当于清理眼底的“杂质”；细节纹理恢复，根据上下文重新生成头发丝、文字边缘等高频结构，让画面更锐利；语义内容生成，在严重失真区域通过理解语义补全内容，比如补全被遮挡的文字，相当于医生根据解剖结构重建受损组织。

低分辨率模糊帧经过生成器网络，输出高分辨率清晰帧，这就是超分重建的基本形态。

IHR=Gθ(ILR)I_{\text{HR}} = G_\theta(I_{\text{LR}})
  1. L_rec重建损失，通常是L1或L2距离，衡量输出和真实高清图的像素差距。
    Lrec=∥Gθ(ILR)−I真实∥22 \mathcal{L}_{\text{rec}} = \|G_\theta(I_{\text{LR}}) - I_{\text{真实}}\|_2^2
  2. L_adv对抗损失，由判别器判断“修复帧”和“真实帧”是否可区分，推动生成器生成更自然的细节。
    Ladv=log⁡D(I真实)+log⁡(1−D(Gθ(ILR))) \mathcal{L}_{\text{adv}} = \log D(I_{\text{真实}}) + \log(1 - D(G_\theta(I_{\text{LR}})))
  3. λ平衡系数，控制“忠实度”与“逼真度”的权重。 和眼科手术一样，AI修复要选对“手术方案”：轻微模糊只需去噪，严重模糊需要超分，而不能一味堆大模型，否则修复出来的脸可能“换了一张脸”。
    λ≈0.1∼0.001 \lambda \approx 0.1 \sim 0.001

实时工程实践

在视频会议里，没有时间让AI慢慢思考。假设30fps，整个链路一帧只有约33ms的时间窗口。这对AI评估和修复提出了极其苛刻的工程要求，好比外科手术必须在麻醉有效期之内完成，容不得半点拖延。

工程上常用的加速手段有四个。GPU硬件加速：图像运算天然适合并行，WebGL/WebGPU或CUDA能一次处理成千上万个像素。WebGPU与WASM：把C++/Rust写的模型推理编译成WASM，在浏览器里离线运行，不上服务器也能“本地看诊”。量化推理优化：把模型权重从FP32压到INT8，用轻微精度损失换取数倍提速。流水线并行：让采集新帧、AI处理旧帧、编码传输上上帧同时进行，把延迟“藏”起来，好比手术团队边麻醉边消毒边准备器械。

实时视频的总延迟是每一环耗时的叠加，其中任一个环节超标都会让通话变得“又卡又糊”。

T总延迟=T采集+T处理+T编码+T传输+T解码+T渲染T_{\text{总延迟}} = T_{\text{采集}} + T_{\text{处理}} + T_{\text{编码}} + T_{\text{传输}} + T_{\text{解码}} + T_{\text{渲染}}
  1. T采集摄像头或屏幕采集耗时。
    T采集≈5∼10 ms T_{\text{采集}} \approx 5 \sim 10\ \text{ms}
  2. T处理前处理、AI评估与修复的耗时，是本文优化核心。
    T处理=TAI评估+TAI修复 T_{\text{处理}} = T_{\text{AI评估}} + T_{\text{AI修复}}
  3. T编码与传输编码压缩耗时加网络传输往返耗时。
    T编码+T传输 T_{\text{编码}} + T_{\text{传输}}
  4. T解码与渲染对端解码和屏幕显示的耗时。
    T解码+T渲染 T_{\text{解码}} + T_{\text{渲染}}
  5. 实时约束总和通常必须小于1000/帧率，30fps下约33ms。 手术室里的设备摆放必须精确到“秒”，实时视频也一样：每一步优化都在和毫秒赛跑，一个没有量化的模型会直接压垮整个会议链路。
    T总延迟≤33.3 ms T_{\text{总延迟}} \le 33.3\ \text{ms}

前端集成部署

最后，这位AI医生如何正式入职WebRTC前端项目？它不是魔法，而是一条清晰的管线。

第一步，媒体流采集：通过getUserMedia拿到摄像头或屏幕共享流。第二步，处理管线插入：用MediaStreamTrackProcessor或CanvasCaptureStream对帧进行逐帧改造，先跑质量评估模型打分，再根据分数决定是否触发AI修复（超分/去噪）。第三步，WebRTC传输：把处理好的流交给RTCPeerConnection，经编码后发送到对端。第四步，修复效果监控：在接收端持续计算VMAF/SSIM分数，当分数低于阈值时动态调高修复强度，画面良好时则降低强度省电。这条闭环让AI医生“随时体检、按需用药”。

端到端帧率由单帧关键链路耗时倒数决定，AI处理耗时直接压缩可用的帧率空间。

FPS端到端=1T编码+TAI+T传输\text{FPS}_{\text{端到端}} = \frac{1}{T_{\text{编码}} + T_{\text{AI}} + T_{\text{传输}}}
  1. T编码一帧画面的压缩编码耗时。
    T编码 T_{\text{编码}}
  2. T_AI质量评估加修复的AI推理耗时。
    TAI=T评估+T修复 T_{\text{AI}} = T_{\text{评估}} + T_{\text{修复}}
  3. T传输网络发送与接收的单帧摊还耗时。
    T传输 T_{\text{传输}}
  4. 倒数关系三者之和越小，FPS越高，视频越流畅。 至此，这位赛博眼科医生正式上岗，从采集到渲染，24小时守在视频链路里为每一帧画面“体检”和“手术”。前端工程师要做的，就是把这套管线调校得又快又稳。
    FPS=1000T总+TAI \text{FPS} = \frac{1000}{T_{\text{总}} + T_{\text{AI}}}

AI 应用场景

直播连麦画质增强

阶段：前端视频后处理 / 发布前增强

解决的问题：主播在弱网或暗光下直播，画面模糊、噪点明显，观众体验差。传统做法只能降低分辨率来保流畅，牺牲清晰度。AI超分与降噪可以在码率不变的情况下，把低分辨率画面修复到高清观感。

具体案例：某秀场直播平台为低带宽主播开启“AI高清模式”，将720P画面实时超分到1080P，并抑制暗光噪声，观众平均清晰度评分提升约30%，卡顿投诉反而下降。

相关角色：音视频前端工程师、AI推理引擎工程师

视频会议的AI高清

阶段：采集端前处理

解决的问题：办公环境逆光、笔记本摄像头素质一般，人像发暗发糊。传统亮度增强会把噪声一起放大。AI去噪加人像细节恢复，能在保留自然肤色的同时让边缘更锐利。

具体案例：主流会议软件已引入类似“AI高清”能力，把低光摄像头拍出的“半张黑脸”恢复成清晰的可见人像，同时通过质量评分动态调节强度，避免低端设备过载。

相关角色：WebRTC客户端开发工程师、AI应用工程师

在线教育板书去模糊

阶段：屏幕共享内容后处理

解决的问题：老师共享屏幕书写白板，压缩后文字边缘起渣、数学符号难以辨认。传统锐化滤镜会让噪声更明显。AI超分与文本增强可以针对文字区域做重建，让板书恢复清晰。

具体案例：在线课堂在低码率下开启“白板恢复模式”，用轻量超分模型只处理屏幕共享中的文字区域，学生看板书不再眯眼，课后回放画质也得到改善。

相关角色：教育音视频平台工程师、前端可视化开发工程师

Python 演示

python52 行
#!/usr/bin/env python3""“视频帧质量评估与AI修复演示：PSNR/SSIM对比+轻量去噪修复”""import numpy as npfrom scipy import signal  def mse(orig, new):    ""“均方误差：两图差异的能量平均值”""    return float(np.mean((orig.astype(np.float64) - new.astype(np.float64)) ** 2))  def psnr(orig, new, peak=255.0):    ""“峰值信噪比：以dB为单位衡量画质差异”""    err = mse(orig, new)    if err < 1e-10:        return 99.0    return 10.0  np.log10(peak * 2 / err)  def ssim(orig, new, win=7, c1=0.01, c2=0.03):    ""“结构相似度：从亮度，对比度，结构三个维度评估”""    a = orig.astype(np.float64)    b = new.astype(np.float64)    k = np.ones((win, win)) / (win * win)    mu_a = signal.convolve2d(a, k, mode='valid')    mu_b = signal.convolve2d(b, k, mode='valid')    var_a = signal.convolve2d(a  a, k, mode='valid') - mu_a  mu_a    var_b = signal.convolve2d(b  b, k, mode='valid') - mu_b  mu_b    cov_ab = signal.convolve2d(a  b, k, mode='valid') - mu_a  mu_b    s = ((2  mu_a  mu_b + c1)  (2  cov_ab + c2)) / (        (mu_a  mu_a + mu_b  mu_b + c1) * (var_a + var_b + c2))    return float(np.mean(s))  def ai_repair(frame, radius=2):    ""“轻量AI修复：这里用均值滤波模拟去噪，实际可用超分/去块模型”""    kernel = np.ones((2  radius + 1, 2  radius + 1))    kernel = kernel / kernel.sum()    return signal.convolve2d(frame, kernel, mode='same', boundary='symm')  def main():    rng = np.random.default_rng(42)    frame = rng.uniform(0, 255, (256, 256))    noisy = np.clip(frame + rng.normal(0, 18, frame.shape), 0, 255)    repaired = ai_repair(noisy)    print(f“受损帧 vs 原图：PSNR={psnr(frame, noisy):.2f} dB, SSIM={ssim(frame, noisy):.3f}”)    print(f“修复帧 vs 原图：PSNR={psnr(frame, repaired):.2f} dB, SSIM={ssim(frame, repaired):.3f}”)  if name == "main":    main()

常见误区

误区“我用PSNR测完，60dB，比网上那些40dB高多了，我的视频画质一定没人能挑毛病。”

正解PSNR只衡量像素误差能量，对人眼感知的边缘方向、纹理结构、运动迹象并不敏感。打个比方：它只是检查“心跳数字正不正常”，不负责肝肾B超。要下结论需要结合SSIM、VMAF甚至真人主观评分。

为何常见：PSNR数学简单、因果明确，几十年来成为行业默认用语，人们容易把“指标高”和“效果好”划等号。

误区“修复效果差？换一个更大的GAN模型，参数越多细节越丰富，视频自然会更好。”

正解实时WebRTC链路中，每帧预算只有几十毫秒。过重的模型推理延迟可能超过100ms，视频会直接卡顿。工程上通常要做量化、剪枝、知识蒸馏，本质是“用画质换流畅”还是“用算力换画质”的取舍。模型越重，越容易出现“脑补”幻觉。

为何常见：因为离线批量修复效果惊艳会给人错觉，而评价函数里“延迟”这个词在离线场景里看不见。

误区“画面马赛克了？肯定是码率不够，把码率调高就行。”

正解码率只是画质受损的原因之一。丢包造成的花屏、采集暗光的噪声、分辨率限制，都各有来源。AI修复是在码率不变的情况下，用先验知识把细节“找回来”，很多时候比单纯抬高码率更有效，也更省带宽。

为何常见：因为传统视频领域长期把清晰度等同于编码码率，对AI从经验中重建细节的机制了解不足。

误区“无参考模型太神了，随便丢一帧进去，不用原图也能给出完美分数。”

正解无参考是推理阶段不需要原始清晰图，但训练阶段需要大量带“主观评分标签”的数据来学习好坏。好比老医生不需要你20岁的照片也能诊断，但他读了千万份病历才练出这身本事。

为何常见：“无参考”三个字容易被望文生义，忽略了训练阶段对标注数据的强依赖。

面试题

Q1. PSNR主要用于衡量什么？

单选题 · easy

  • A.两幅图像的像素误差能量← 正确答案
  • B.网络传输的带宽大小
  • C.人眼主观美感程度
  • D.摄像头采集时的光照强度

答案：A。PSNR由MSE推导，核心是像素误差能量，只反映“信号/噪声能量比”。它不涉及主观美感，与带宽和光照无直接关系。好比视力表只能测出“看得多清楚”，量不出“脸色红不红润”。

Q2. SSIM在亮度、对比度之外，还特别关注什么？

单选题 · easy

  • A.结构相似度← 正确答案
  • B.音频同步性
  • C.帧率的高低
  • D.编码的延时

答案：A。SSIM直译就是结构相似度，它在亮度均值、对比度方差之外，用协方差度量局部结构一致性。好比医生检查眼睛时，不仅看视力表，还看重眼底血管纹理是否健全。

Q3. 无参考AI质量评估的核心特点是？

单选题 · mid

  • A.推理时不需要原始清晰图← 正确答案
  • B.训练时不需要任何标签
  • C.只能用在离线批处理
  • D.完全替代所有传统指标

答案：A。无参考模型的“无参考”指推理时不需要原图，但训练仍需要大量主观标签数据；它能实时运行，也不能完全替代传统指标。好比老医生凭经验快速初诊，但依然需要病理报告做辅助。

Q4. 下列哪项属于AI修复的潜在风险？

单选题 · mid

  • A.模型可能凭空捏造纹理← 正确答案
  • B.修复过程绝对无损
  • C.不消耗任何算力
  • D.只能修复分辨率

答案：A。生成式修复依赖模型先验，细节会被“想象”出来，严重时形成幻觉纹理。修复有损、有算力开销，且能同时处理去噪与超分。整容手术虽然能让脸变精致，失败也可能毁容。

Q5. 视频30fps下，单帧可支配的实时预算约是多少毫秒？

单选题 · mid

  • A.33毫秒← 正确答案
  • B.100毫秒
  • C.500毫秒
  • D.2秒

答案：A。1秒等于1000毫秒，1000÷30约等于33.3毫秒。如果编码、AI、传输之和超过这个数值，帧就会排队积压造成卡顿。这就像手术室的麻醉时间闸门，整台手术必须抢在时限内完成。

Q6. 在WebRTC前端画质修复中，能逐帧插入处理的API是？

单选题 · mid

  • A.MediaStreamTrackProcessor← 正确答案
  • B.document.createCanvas
  • C.WebRTC的DataChannel
  • D.fetch网络请求

答案：A。MediaStreamTrackProcessor能从MediaStream中取帧，配合CanvasCaptureStream或VideoFrame处理后重新送回管线。DataChannel只传二进制数据，fetch做网络请求，都不能直接修改视频帧。

Q7. VMAF相比PSNR最突出的区别是什么？

单选题 · hard

  • A.融合多特征与主观标注← 正确答案
  • B.完全不需要参考原始图
  • C.只能测量音频清晰度
  • D.必须运行在专业GPU上

答案：A。VMAF通过机器学习融合亮度、纹理、运动等特征，并拟合真人主观评分，比PSNR的像素误差统计更贴近人眼。VMAF通常是全参考指标，不是音频工具，也不强制专用GPU。

Q8. 以下哪种做法不能有效降低AI修复在浏览器中的延迟？

单选题 · hard

  • A.把模型量化到INT8
  • B.用WebGPU并行推理
  • C.全部更换为大参数模型← 正确答案
  • D.将帧处理拆成流水线

答案：C。分支更多的大参数Transformer模型计算量更大，反而推高延迟。INT8量化、WebGPU并行、流水线并行都能有效缩短单帧耗时。手术室里加更多复杂设备往往让手术更慢，而不是更快。

Q9. 画质评估常用的“三大指标”组合是哪些？

多选题 · mid

  • A.PSNR峰值信噪比← 正确答案
  • B.SSIM结构相似度← 正确答案
  • C.VMAF融合感知评分
  • D.WebRTC实时框架← 正确答案
  • E.量化压缩模型以减少开销
  • F.按画面动态调整修复强度
  • G.所有帧都叠加最大模型
  • H.用流水线隐藏处理延迟

答案：ABD。量化降精度、内容感知调度、流水线并行都是实时场景的常用手段；所有帧都上最大生成模型会击穿帧预算，造成卡顿与幻觉。这和眼科手术一样：器械越精简、越对症，手术越快越安全。