RFMSR图像高清化实测：对比SeedVR2.5/FlashVSR与8K工作流

作者：@T8star-Aix

RFMSR图像高清化实测：对比SeedVR2.5/FlashVSR与8K工作流

一句话导读：视频测试 RFMSR 图像超分辨率路线，并把它与 SeedVR2.5、FlashVSR 及既有 8K 分块放大工作流对照，重点讨论低清结构利用、文字与人物细节、单步/多步推理和前后置模型组合。

核心内容：
1. RFMSR 的思路不是从纯噪声重新生成整张图，而是以低清图已有的结构和信息作为条件，沿残差流路径恢复高清结果。作者认为这缩短了恢复路径，也有利于保留原图结构；RFMSR 官方仓库将项目全称写为 Residual Flow Matching for Image Super-Resolution。
2. 官方模型包含多步 Flow Matching、单步模型和一致性蒸馏单步模型。视频中的工作流采用两阶段思路：先快速恢复，再进行多步精修；官方推理示例也分别给出 1 步快速模式和 15 步质量模式，因此本文不把转写中模糊的术语写成额外模型版本。
3. 作者用模糊、带噪点的图片进行测试，认为 RFMSR 能恢复较明显的结构与细节。文字方面，英文字符的保持相对更好，中文测试仍不理想；这意味着它可作为 8K 工作流的前置高清化候选，但不应被当作通用文字修复方案。
4. 官方默认放大倍率为 4×，作者实测后更倾向在当前素材上使用 2×，认为 4×更慢且效果未必更适合。视频还保留默认 15 步、Flow Sigma、颜色校正和 Tile 分块等参数；官方仓库说明 Flow Sigma 控制噪声标准差，分块推理用于处理大图。
5. 对比工作流中，作者把 RFMSR 或 FlashVSR 放在前置恢复阶段，再接 SeedVR2.5 与分块放大完成 8K 输出。部分人物样例在牙齿等局部更清楚，但皮肤可能出现更强的 AI 感，说明增强细节同时也可能改变原始质感。
6. 工作流的关键不是固定套用某个“最强模型”，而是按退化类型选择前置或后置模型：文字素材应优先考虑结构与字符保持，人物素材要关注脸部恢复，噪点、动态模糊、卡通图等情况也需要不同组合。作者明确指出 RFMSR 本身并非适合所有图片的通用 VSR 模型。
7. 视频演示使用 RunningHub 上的定制节点；作者说明工作流可在线运行和下载，但本地部署需要相应节点支持。RFMSR 官方代码与权重另有独立安装要求，不能把线上定制节点等同于官方原生 ComfyUI 插件。

相关项目：
RFMSR 官方仓库：https://github.com/Faze-Hsw/RFMSR

适合人群：需要修复低清人物、文字或带噪图片，正在比较 RFMSR、SeedVR2.5、FlashVSR，或希望调整 8K 高清化前后置模型的 ComfyUI 用户。

补充说明：本文根据授权视频约 546.1 秒完整音频转写、视频简介、默认首屏评论和 RFMSR 官方仓库整理；SeedVR2.5、FlashVSR 与分块节点的具体版本和参数请以原视频工作流画面为准，实际效果会随素材退化类型、倍率和模型组合变化。

相关夸克网盘链接：
【无限画布整合包v2.6.8：https://pan.quark.cn/s/5871a0142ff3】
【贞贞整合包V4.8A：https://pan.quark.cn/s/ed4f5cc2db75】
【T8 CF整合包V12：https://pan.quark.cn/s/af20c54c9a13】