图片放大相关的术语一次性讲明白
为什么需要一页词典
放大话题里一半的争论源于词没对齐——「模糊」「失真」「重绘」在不同人嘴里指不同现象。这页把本站用到的术语集中定义，遇到看不懂的词回这里查。
核心术语
超分辨率（Super-Resolution）
让低分辨率图片变成高分辨率的技术总称。神经网络放大是超分辨率的主流实现之一，官方对自身的描述「AI Super-Resolution」即此。
卷积神经网络（CNN）
一类擅长处理图像的神经网络结构，官方技术描述的核心词——「深度卷积神经网络」。对使用者而言只需知道：它通过学习大量图片学会「放大时该怎么补细节」。
插值（Interpolation）
传统放大的数学方法，在已知像素间按规则算新像素。不学习、不推测，信息量不变，见与传统放大的差别。
降噪（Noise Reduction）
抑制图片噪点与压缩痕迹的处理。本工具分无、低、中、高、最高五档，接口值 -1 到 3，见调降噪。
压缩伪影（Compression Artifact)
图片被有损压缩（如高压缩 JPEG）后留下的块状痕迹、色带、蚊噪。聊天转发图上最明显，是降噪主要对付的对象。
锯齿（Aliasing / Jaggies）
斜线与曲线边缘出现的阶梯状毛边。传统放大必然产生，官方宣传点之一是放大后边缘没有毛刺。
倍数（Scale）
输出边长与源图边长的比。2x 表示宽高各翻倍、总像素 4 倍；本工具四档 2x/4x/8x/16x，见选倍数。
重绘感 / 「AI 味」
模型推测出的细节与原图真实细节的偏差在观感上的呈现——线条过分光滑、纹理被简化、面部微妙走形。倍数越高越明显，第三方评测常以此作为高倍数的风控提示。
无损放大
营销用语，指观感上不损失清晰度，不等于数据层面的无损编码，也不保证 100% 还原「拍出来时」的细节，见放大原理的讨论。
预签名上传（Presigned Upload）
服务端发一个带签名的临时直传地址，客户端把文件直接 PUT 进对象存储。本工具 API 第一段即此机制，见上传原图。
队列 / 排队
云端任务按提交顺序与优先级等待服务器处理。免费共享服务器排队久、付费「优先放大」，见排队时长。
离线放大
官方术语，指登录后提交的任务在云端继续处理，用户设备可以关闭——不是在本机跑模型，见离线放大机制。