Исследователи из МГУ им. М.В. Ломоносова разработали подход для повышения с помощью ИИ-модели разрешения и визуального качества потокового видео в реальном времени.

Метод предполагает применение при обучении нейросети специальной функции потерь (Loss Function), с помощью которой рассчитывается, насколько сильно сгенерированный ответ отличается от правильного. Предложенная исследователями формула учитывает точность восстановления, особенности зрительного восприятия и сохранение резких границ на изображении.

Расчеты и сравнение с другими 11 методами повышения разрешения показали, что подход улучшает качество потокового видео при сохранении скорости, необходимой для работы в реальном времени.

Также было установлено, что использование датасета из 5,2 тыс. видеороликов, применявшегося для тренировки модели, повысило качество работы других нейросетей не только на потоковом видео, но и на стандартных проверочных наборах данных.

Исследователи представили свой подход на конференции ICLR 2026.

В мае 2026 года ученые из МГУ им. М.В. Ломоносова создали метод анализа уязвимостей ИИ-моделей для оценки качества видео.