学习型实时超采样中的时间损失为何停止累积：冻结历史现象研究

研究发现，在精确配准条件下，时间一致性损失会抑制学习型实时超采样网络的样本累积——网络在静态内容上几乎零成本地复制其扭曲历史。研究识别出四类可被训练掩盖的配准误差，并证明正确配准使静态像素上的冻结成本降低两个数量级。在精确配准下，时间权重从0.25增加会降低PSNR 0.7至0.9 dB，该反转现象在三种网络家族和两种尺度上均出现。