全域画质增强：AMD 硬件全面支持超分辨率技术

Jun 12, 2026

超分辨率技术能够基于低分辨率输入图像重建清晰锐利、细节丰富的图像，该技术已在改变游戏、通信以及视觉数据处理方式。AMD 的全系列硬件产品，包括独立 GPU、CPU 和 NPU，均支持超分辨率技术。本博客将介绍开发者在 AMD 硬件上实现或应用超分辨率技术的四种方式，无论是要开发游戏、使用 Lemonade 构建本地 AI 应用、利用低功耗 NPU 进行推理，还是使用 Microsoft 的 AI 视频超分辨率技术，都能找到对应的落地方式：

  1. 游戏：AMD FSR 为基于 AMD Radeon GPU 运行的 PC 游戏带来机器学习赋能的超分辨率、帧生成和光线追踪降噪功能（图 1）。
  2. Lemonade：Lemonade 是一个开源框架，可在 AMD 硬件上本地部署 AI 模型，包括通过 Real-ESRGAN 模型实现超分辨率功能。该功能以本地 REST API 的形式提供，以供各类应用调用，同时还通过位于用户界面 (UI) 中的一个前端组件对外提供。
  3. NPU 推理：AMD Ryzen AI 支持在 NPU 上使用经过量化的 Real-ESRGAN 和超高效超分辨率 (SESR) 模型进行超分辨率推理。请参阅 Ryzen AI 软件代码库，其中包含可直接运行的 Hugging Face 模型。
  4. Microsoft AI 视频超分辨率 (VSR)：Microsoft 的 VSR 可在 Copilot+ PC（包括基于 AMD 的系统）上实现加速的视频超分辨率处理，从而修复因网络或带宽不佳、压缩或低质量内容而损失的细节以提升清晰度。
《地平线西之绝境》完整版在 AMD Radeon RX 9070 XT 上以 1080p 分辨率渲染，再通过超分辨率技术提升至 4K 分辨率。相较于 FSR 3.1（左），基于机器学习的 FSR 超分辨率技术（右）能有效减少角色移动时的拖影问题。
《地平线西之绝境》完整版在 AMD Radeon RX 9070 XT 上以 1080p 分辨率渲染，再通过超分辨率技术提升至 4K 分辨率。相较于 FSR 3.1（左），基于机器学习的 FSR 超分辨率技术（右）能有效减少角色移动时的拖影问题。
图 1：《地平线西之绝境》完整版在 AMD Radeon RX 9070 XT 上以 1080p 分辨率渲染，再通过超分辨率技术提升至 4K 分辨率。相较于 FSR 3.1（左），基于机器学习的 FSR 超分辨率技术（右）能有效减少角色移动时的拖影问题。来源：AMD GPUOpen。


游戏：AMD FSR 超分辨率与帧生成技术

应用最广泛的 AMD 超分辨率技术便是 AMD FSR，这是一套专为游戏打造、基于机器学习的渲染技术。2026 年 3 月发布的 AMD FSR“Redstone”SDK 2.2 中包含 4 项神经渲染功能：

  1. FSR 超分辨率 (Upscaling) 4.1
  2. FSR 帧生成 (Frame Generation) 4.0.0
  3. FSR 光线再生 (Ray Regeneration) 1.1.0
  4. FSR 辐射缓存 (Radiance Caching) 0.9（预览版）。

由 Pearl Abyss 打造的《红色沙漠》游戏开创先河，率先同时搭载 FSR 超分辨率 4.1 与 FSR 光线再生 1.1（该功能于 2026 年 3 月 19 日发布）。

FSR 超分辨率

AMD FSR 超分辨率是一种基于机器学习的超分辨率技术，可根据低分辨率输入内容重建高分辨率画面。它依托 AMD Instinct GPU 并基于高质量游戏数据进行训练，同时可充分利用 AMD Radeon RX 9000 系列中的专用机器学习加速功能。在“性能”模式下，通过在 AMD Radeon RX 9070 XT 上使用 FSR 超分辨率，仅需约 1.3 毫秒的时间即可渲染 4K 画面。[1]

FSR 超分辨率 4.1 更新版优化了推理运算，画面清晰度更高，同时改进了动态分辨率缩放 (DRS) 技术，带来更高帧率和更流畅的画面 (AMD GPUOpen)。与前几代 FSR 相比，FSR 超分辨率技术带来以下优势：

  • 减少运动物体的拖影问题
  • 更好地保留粒子特效细节
  • 更出众的画面细节与时序稳定性

Unreal Engine (UE) 5 插件同步提供，兼容 UE 5.2 至 5.7 版本。

重磅附加优势：已集成 FSR 3.1 的游戏可通过最新版 AMD Software: Adrenalin Edition 自动获取超分辨率功能更新，无需针对游戏单独推送更新。

FSR 帧生成

AMD FSR 帧生成技术利用机器学习，在两帧连续渲染画面之间生成高质量的中间帧，通过逐像素预测物体运动和外观，从而有效将帧率提升一倍。在 4K 分辨率下使用 AMD Radeon RX 9070 XT 运行《使命召唤：黑色行动 7》与《赛博朋克 2077》时，FSR 帧生成技术相较原生渲染可将帧率提升 4.7 倍；运行《侠盗猎车手 5》时，帧率提升 2.6 倍。[2]

FSR 光线再生

AMD FSR 光线再生是一项独立、基于机器学习的实时降噪技术，可与各类游戏引擎集成。它可将光线追踪工作负载产生的带噪点画面转化为清晰、连贯的图像，与其他 FSR“Redstone”技术结合使用时效果更佳。1.1 更新版对质量与显存进行了优化，并增加了全新的调试视图模式。

快速上手（游戏开发者）

所有技术均打包在 AMD FSR SDK 2.2 中，该 SDK 可在 GitHub 上获取。该 SDK 采用预构建、已签名的 DLL，并附带 FSR API，可实现轻松集成。如果玩家希望在支持的游戏中启用 FSR，请访问 AMD FSR 技术页面。

Lemonade：以本地 API 形式提供超分辨率功能

Lemonade 是一款开源模型服务平台，可直接基于 GPU、CPU 和 NPU 托管并运行优化后的大语言模型、图像模型及各类多模态模型，方便用户发现和运行本地 AI 应用。n8n 和 Lemonade for GitHub Copilot 等应用已使用 Lemonade 在本地运行生成式 AI。新增 Real-ESRGAN 支持后，Lemonade 现在以本地 API 形式提供 4 倍超分辨率功能，以供各类应用调用。

API：以编程方式实现图像超分

Lemonade 公开了一个 REST API，各类任何脚本、应用或工作流程均可调用该 API，以使用 Real-ESRGAN 实现图像超分。首先，确保 Lemonade 服务器处于运行状态 — 要么启动相应托盘应用，要么从终端启动：

LemonadeServer

向 `POST /api/v1/images/upscale` 发送一个 Base64 编码的图像和一个模型名称，即可获取 4 倍超分结果。以下是一个用于实现图像超分的简短 Python 脚本：

		import requests, base64

with open("photo.png", "rb") as f:
    image_b64 = base64.b64encode(f.read()).decode()

resp = requests.post("http://localhost:13305/api/v1/images/upscale", json={
    "model": "RealESRGAN-x4plus",
    "image": image_b64
})

upscaled = base64.b64decode(resp.json()["data"][0]["b64_json"])
with open("photo_4x.png", "wb") as f:
    f.write(upscaled)

有两种 ESRGAN 模型可供使用：适用于照片级写实内容的 RealESRGAN-x4plus 和适用于插画风格内容的 RealESRGAN-x4plus-anime。这些模型默认结合 ROCm 在 AMD GPU 上运行，CPU 作为备用方案，并且在首次使用时会自动下载。 在底层，Lemonade 会将超分任务委托给 stable-diffusion.cpp 中的 sd-cli -M upscale。

内置用户界面

Lemonade 还提供一个用户界面，您可直接在该界面上试用超分辨率模型（图 2）。“Image Generation”（图像生成）面板包含一个 Upscale（超分辨率）下拉菜单：当选择 Real-ESRGAN 模型时，Lemonade 会先使用 Stable Diffusion 生成图像，然后再进行 4 倍超分处理。原始图像和经过超分处理的图像并排显示，并可供下载。

图 2：Lemonade“Image Generation”（图像生成）面板，左侧显示 Stable Diffusion 输出版本，右侧显示经过 Real-ESRGAN 4 倍超分处理后的版本。来源：Lemonade。

图 2：Lemonade“Image Generation”（图像生成）面板，左侧显示 Stable Diffusion 输出版本，右侧显示经过 Real-ESRGAN 4 倍超分处理后的版本。来源：Lemonade。

要开始使用 Lemonade，请访问 lemonade-server.ai。

NPU 推理

对于重视隐私、电池续航、延迟或任务分载处理的应用场景，AMD Ryzen AI NPU 提供了一条专用的高能效推理路径。

工作原理：基于 NPU 进行图像分块处理

通过超分辨率模型一次性处理高分辨率图像，可能会导致可用内存带宽不堪重负。AMD 的方法是将输入图像拆分成更小的图块，确保这些图块能够完整地放入 NPU 的高速片上缓存中，然后独立处理每个图块，再将处理结果拼接起来。如此一来，生成的输出与全帧处理完全一致，但延迟可降低多达 40%（例如，分块处理延迟为 21 毫秒，而全帧处理延迟为 35 毫秒）。[3]

由于每个图块都保留在片上缓存中，编译器可以将所有模型操作串联起来，而无需将中间结果写回主内存。运行时还会直接从原始图像中就地读取图块，避免了缓冲区复制。如需获取全面的技术深度解析，请参阅 Ryzen AI NPU 上的超分辨率加速技术。针对这种图像分块与零拷贝方法的 C++ 参考实现方案已在 ImageTilingNPU 代码库中开源提供。零拷贝是一种性能优化手段，允许 CPU 和 NPU 访问同一块物理内存，而无需将图像从一个器件拷贝到另一个器件。

Hugging Face 上的即用型模型

AMD 在 Hugging Face 上提供了经过优化的超分辨率模型，这些模型经过 INT8 量化处理，可直接在任何 Ryzen AI PC 上运行。图 3 展示了运行 Real-ESRGAN 模型将一幅 320x480 像素的图像超分至 1280x1920 像素的效果。如需了解更多信息，请访问以下模型卡：

输入 (320x480)

图 3：借助在 AMD Ryzen AI NPU 上运行的 Real-ESRGAN 模型，将一张 320x480 图像的分辨率提升至 1280x1920。来源：EDSR 基准测试数据集。

输出（1280x1920，4 倍超分处理）

图 3：借助在 AMD Ryzen AI NPU 上运行的 Real-ESRGAN 模型，将一张 320x480 图像的分辨率提升至 1280x1920。来源：EDSR 基准测试数据集。

图 3：借助在 AMD Ryzen AI NPU 上运行的 Real-ESRGAN 模型，将一张 320x480 图像的分辨率提升至 1280x1920。来源：EDSR 基准测试数据集。

每个模型卡都包含推理脚本、预编译的模型缓存、评估工具以及基准测试结果。安装 Ryzen AI 软件并激活 conda 环境后，只需三条命令即可开始使用：

		git clone https://hf.co/amd/realesrgan-256x256-tiles-amdnpu
cd realesrgan-256x256-tiles-amdnpu
python onnx_inference.py --onnx onnx-models/realesrgan_nchw_256x256_u8s8.onnx --input your_image.png --out-dir outputs --device npu

GitHub 上的 RyzenAI-SW super-resolution 示例中提供了涵盖上述两个模型系列的完整操作指南。

Microsoft 的 AI 视频超分辨率

对于 Windows 应用开发者而言，超分辨率正逐渐成为一种平台级功能。Microsoft 的视频超分辨率 (VSR) API 提供了基于 AI 的视频上采样功能，该功能可在 Copilot+ PC（包括搭载 AMD 锐龙 AI 处理器的 PC）中的 NPU 上运行。

VSR 支持 240p 至 1440p 的输入，可生成最高 1440p、15-60 fps 的输出，并通过简单易用的 VideoScaler API 进行操作。开发者无需管理模型或 NPU 调度，即可直接进行集成。

已推出：Teams 超分辨率

视频超分辨率技术最显著的应用场景是 Microsoft Teams。Teams 超分辨率功能于 2025 年 3 月正式上线，可自动提升低带宽视频源的分辨率，例如将 360p 流媒体提升至 720p 视图。在 Microsoft 内部测试中，相比传统的分辨率提升功能，“68% 的用户认为超分辨率 (SR) 效果更优”，且“衡量质量的 CMOS 分数平均提升了 0.6”（Microsoft Teams 博客）。

视频超分辨率为 Windows 开发者带来了更广阔的机会：只需增加少量 API 调用，您的应用即可在 AMD AI PC 上获得硬件加速的超分辨率功能。

加入我们，一起构建

从 Radeon GPU 上的机器学习加速渲染，到 Lemonade 提供的本地 AI 模型服务，再到 Ryzen AI NPU 上的推理运算，以及 Windows 平台级 API，AMD 在技术栈的各个层级为超分辨率提供支持。无论您是游戏开发者、应用构建者还是研究人员，都能找到适合自己的路径。

加入 AMD AI 开发者计划，获取丰富的工具和资源，并进入基于 AMD 硬件进行开发的开发者社区。此外，下面整理了本文中提及的一系列其他资源，这些资源可帮助您基于 AMD 硬件进行构建：

附注

[1] 性能数据基于 AMD Radeon RX 9070 XT 并使用预发布版本软件测得。来源：AMD GPUOpen — FSR 超分辨率性能。

[2] AMD 于 2025 年 11 月对 Sapphire Pure AMD Radeon RX 9070 XT 进行了测试，测试系统装有 AMD Software: Adrenalin Edition 驱动程序内部版本并采用 AMD FSR“Redstone”。系统：ASRock X870E Taichi、AMD 锐龙 7 9800X3D、32GB DDR5-6000MHz、Windows 11 Pro 25H2。在“性能”模式并启用 FSR 帧生成技术的情况下，测试了游戏在 4K 原生状态与开启 FSR 超分辨率技术时的性能表现。仅为《使命召唤：黑色行动 7》启用了 FSR 光线再生技术。性能可能因系统配置而异。来源：AMD GPUOpen — FSR 帧生成尾注 RS-707。

[3] Ryzen AI NPU 上的超分辨率加速技术文章中的性能基准测试。有关完整的硬件和软件配置详细信息，请参阅此文章。

Share:

Article By

Profile Image of Benjamin Consolvo

Benjamin Consolvo

Related Blogs

View All Blogs