SeedVR2

SeedVR2 — диффузионная нейросеть для апскейла видео и изображений от команды ByteDance Seed, опубликованная на ICLR 2026 (статья «SeedVR: Seeding the Future for Video Restoration at Scale»). Модель размером 3 миллиарда параметров обеспечивает state-of-the-art качество апскейла при разумных вычислительных требованиях.

Что такое апскейл через диффузию

Классические апскейлеры (bicubic, Lanczos) только интерполируют — «додумывают» пиксели по соседям, не создавая новых деталей. ESRGAN (2018) и его производные (Real-ESRGAN, BSRGAN) применяют генеративные модели: GAN обучается восстанавливать высокочастотные детали по паре low-res → high-res. Качество лучше, но GAN страдает артефактами (hazing, ringing, неестественные текстуры).

Диффузионные апскейлеры (SeedVR, Stable Diffusion x4 Upscaler, Pasd) используют принципиально иной подход: они итеративно уточняют изображение через обращение процесса диффузии. Это даёт более естественные текстуры и отсутствие GAN-артефактов, но требует больше шагов вывода.

Архитектура SeedVR2

SeedVR2 — one-step diffusion модель: вместо 20–50 шагов стандартного DDPM использует единственный шаг с rectified flow sampling. Это возможно благодаря consistency distillation от многошаговой teacher-модели. Результат: скорость как у GAN-апскейлеров, качество как у диффузионных.

• Backbone: DiT (Diffusion Transformer) 3B параметров
• VAE: tiled VAE с перекрытием тайлов — обрабатывает изображения любого размера без OOM
• Flash Attention 2: обязательное требование для эффективной работы на GPU
• Conditioning: low-res изображение + масштабный фактор (2x, 4x, 8x) + текстовый промпт (опционально)

SeedVR2 vs ESRGAN vs Topaz Gigapixel

• ESRGAN/Real-ESRGAN: 50–200 МБ, мгновенный вывод, GAN-артефакты на сложных текстурах, F-LPIPS ~0.18
• SeedVR2 (PhotoPanda): 3B параметров (~6 ГБ VRAM), 1–3 с на 4K, F-LPIPS ~0.09, естественные текстуры
• Topaz Gigapixel AI v7: проприетарный, $199 лицензия, F-LPIPS ~0.11, нет API
• Magnific AI: $39/мес, облако, ~5–10 с, F-LPIPS ~0.10, нет batch API

Применение в PhotoPanda

PhotoPanda использует SeedVR2-3B для операции upscale. Доступные параметры:

• resolution: 2x, 4x (дефолт) или конкретный размер в пикселях
• face_enhance: true/false — дополнительный проход PMRF для восстановления лиц перед апскейлом
• denoise_strength: 0.0–1.0, контроль агрессивности диффузионного шага

Стоимость апскейла: от 50 коп. (4x) до 2 ₽ (8x + face enhance). Время обработки 12-МП фото в 4x: ~2–4 секунды на RTX 3090.

Ограничения SeedVR2

• Требует Flash Attention 2 — не работает на GPU до серии Ampere (RTX 3000+)
• Минимум 8 ГБ VRAM для 4x апскейла без tiling
• Возможна «галлюцинация» деталей: нейросеть может дорисовать несуществующие элементы (например, символы на таблицах, текст на упаковке). Для документов используйте conservative-режим