1、Latent：是一种基于 VAE 模型的图像增强算法,通过将原始图像编码成潜在向量,并对其进行随机采样和重构,从而增强图像的质量、对比度和清晰度。一般情况下，这个算法就能得到不错的效果，和4x-UltraSharp、R-ESRGAN等相比，显存消耗比较小，但效果不是最优。 2、Lanczos：将对称矩阵通过正交相似变换变成对称三对角矩阵的算法（鸡肋，通常不用）。 3、ESRGAN：Enhanced Super-Resolution Generative Adversarial Networks （增强超分生成对抗网络） 是对SRGAN关键部分网络结构、对抗损失、感知损失的增强。从这里开始就不是单纯的图像算法，进入人工智能的领域了。实测确实增加了很多看上去很真实的纹理，但是有时又会把一张图片弄得全是锯齿或怪异的纹理。可能对待处理的图片类型有要求。 4、4x-UltraSharp：基于ESRGAN做了优化模型，更适合常见的图片格式。真人模型最佳选择。 5、ESRGAN 4x（Real ESRGAN）：完全使用纯合成数据去尽量贴近真实数据，然后去对现实生活中数据进行超分的一个方法。这个算法来自于腾讯贡献，点个赞。 6、R-ESRGAN 4x+：基于Real ESRGAN的优化模型，针对照片效果不错。 7、R-ESRGAN 4x+ Anime6B：基于Real ESRGAN的优化模型，二次元最佳，如果你的模型是动漫类的，该选项是最佳选择。 8、R-ESRGAN General 4xV3：基于Real ESRGAN的优化模型，体积小，计算快，效果差。 9、SwinIR_4x：使用Swin Transformer思想，采用一个长距离连接,将低频信息直接传输给重建模块,可以帮助深度特征提取模块专注于高频信息,稳定训练。 10、LDSR：Late