VISION XL

VISION XL 是韩国科学技术院（KAIST）的研究项目，论文被 ICCV 2025 接收。它要解决的是视频逆问题：拿到一段有缺陷的视频——比如多帧平均后模糊、分辨率低、局部缺失——把它还原成清晰的高清视频。和此前依赖光流估计器、任务专用复原模型的方案不同，它只用开源的 SDXL 潜在扩散模型，在单张 GPU 上完成处理。

主要能力

页面展示了三类任务：去模糊（σ = 3.0）、4 倍超分辨率、50% 区域修复，并且可以叠加使用，比如先做 7 帧平均再去模糊。分辨率上支持横屏 768x1280、竖屏 1280x768 和方形 1024x1024，覆盖多种画幅比例。

效率方面，作者称处理 25 帧视频需要 13GB 显存，耗时在 2.5 分钟以内。方法上的两个关键设计是伪批一致采样和伪批反转初始化，前者让高分辨率处理能塞进单卡，后者用测量帧的信息做初始化来提升时间一致性。

适合谁

主要是做扩散模型、视频复原方向的研究者和学生。页面提供论文和代码入口，适合拿来复现实验或在此基础上改方法。普通用户想修视频，这个项目没有现成的图形界面或在线服务，需要自己配环境跑代码。

费用与限制

项目页面本身免费公开，代码开源，但运行需要足够的显存和 Python 环境。页面没有给出安装步骤或使用文档，上手门槛不低。