画质增强算法基于深度学习技术，分为四个模块：混合叠加退化、退化监督、双向空域特征传播和全局特征重建。
混合叠加退化模块是针对原始视频叠加不同的退化，例如高斯噪声、泊松噪声、高斯模糊、视频压缩等，进一步模拟退化的复杂性和多样性。经过线上数据发现，不同场景的视频对于不同类型的退化敏感程度是不一样的，所以我们会辅以场景检测步骤，更真实模拟退化机制。
退化监督模块的目的是为了解决细节合成和退化抑制之间难以权衡的问题。
双向空域特征传播模块采用了前后向的双向传播，同时为了保证这些特征在时序上对齐，我们也采用了光流对齐的方案。同时对传播空域特征进行扭曲，以提升网络性能。
全局特征重建模块通过对传播特征进行卷积以及Pixel Shuffer上采样生成输出图像，以及通过对输入原始图像进行卷积和双线性插值上采样，与输出图像进行拼接，最终生成画质增强图像。
通过以上的画质增强算法，达到画质增强的效果。
在上图的去模糊badcase中，我们进行添加不同模糊退化次数，以研究画质增强效果。模糊退化次数会分别添加0-3次，发现分数变高，但导致了字符形状的模糊，对整体视频呈现效果有较大影响。
