x264-crf23压制1080P视频，控制压制后体积相同，是先降采样到540P再压缩（解码后放大到1080P看）与原视频更接近，还是原分辨率选择高很多的crf压缩与原视频更接近？
拓展1：使用深度学习学习压制->无压制的映射关系来解码，两个网络控制相同计算量，二者复原后视频和无压制相比，哪个更接近？
拓展2：放开23和1080P限制，在不同尺度和crf设置下讨论
拓展3：放开降采样2x的尺度限制讨论，比如3x，4x，小数倍（4x以上就算了…）
拓展4：把以上“更接近”替换为“视觉感知效果更强”讨论

拓展5：不同品类视频，比如三次元，二次元，2D/3D渲染。。。结论应该也有不同
（期待有大佬做一个全面的评测与报告！）

期待LZ做一个全面的评测与报告！

回复好像被吞了。。
github上找LoSealL/VideoSuperResolution有不少深度学习放大算法
我的电脑没有Cuda导致很多深度学习网络跑不了没法测试。。
我自己之前的测试的话用降采样再用ESRGAN复原会少很多artifacts（超低码）但速度根本不适合使用
深度学习目前我只知道FSRCNN和ESPCN可以做到实时处理，但效果不大好
LCEVC（MPEG-5 part 2)或许有机会，但我拿不到测试程序。。。

找个小样本各种方式都试一下就知道了.
我建议是不改采样,调高点crf或2pass.

你很无聊吗，直接下个低分辨率不行了

有损编码器的量化效率大于降分辨率，片源压成1080p和720p，只有在严重欠码时，同码率质量相等，码率充足，必然1080p质量高，然而crf=23并没有严重欠码

有损压缩下保持相同视觉质量
并不会因为你使用了10bit而需要额外的码率
并不会因为你使用了4:4:4而需要额外的码率
并不会因为你使用了更高的分辨率而需要额外的码率
另外60帧通常只会比24帧多需要10-20%的码率，帧数多了，帧和帧之间差异更小冗余更大，压缩率更高

期待LZ做一个全面的评测与报告！