幻觉

算法会虚构从未拍摄过的细节——这是现代超分辨率和帧插值中的核心问题。当人工智能模型在数百万张图像上进行训练后，对于不完整或模棱两可的输入，它们会简单地添加看起来貌似合理的像素，从而产生幻觉。计算机“看到”了摄影师镜头前根本不存在的东西。

在实践中，这种情况经常发生：你将 2K 素材超分辨率到 4K，突然间背景中的房屋出现了从未存在过的窗户。在帧插值——即为慢动作计算中间帧——时，会虚构出生物力学上错误的运动序列。一只手在桌子上移动，算法会根据模糊的输入虚构出不可能的手指位置。这不仅仅是模糊或噪点——这是主动的虚构。

其根本原因在于神经网络的统计学本质：它们学习的是概率分布，而不是精确的映射。当模型接收到的信息分辨率过低或模棱两可时，它会选择“最可能”的解决方案——而这个解决方案通常足够貌似合理，以至于不会立即被识破为错误。在极端超分辨率（4:1 因子及以上）、快速运动或训练数据集中很少见到的结构中，问题尤其突出。面部的一个细节、招牌上的文字、玻璃中的反射——所有这些都可能被虚构出来。

在拍摄现场和剪辑时，你需要一双锐利的眼睛：不要盲目信任自动超分辨率工具。逐页比较原始素材和结果，尤其是在叙事上不重要的细节处（在那里虚构的伪影不太容易被注意到）。有些项目通过原生拍摄更高分辨率的素材，比后期处理效果更好。帧插值也是如此——无论运动计算多么智能，如果没有原始素材，它仍然是推测性的。对于需要可信度的关键镜头，别无选择，只能采用经典的插值或重新拍摄。