近期视频超分（VSR）模型通过扩散蒸馏实现高效一步生成，但高分辨率推理成本仍高，且蒸馏模型难以对齐人类偏好。FlashVSR+从架构与训练两端同时改进，兼顾效率与偏好一致性。

混合注意力架构

预训练VSR模型表现出强局部性。FlashVSR+据此引入混合注意力：保留局部高效计算，同时用稀疏全局交互维持长程一致性。该设计相对DiT最高可达2倍加速，峰值内存降低约45%，从而在单张24GB RTX 4090上实现空间无分块的4K VSR推理，显著缓解高分辨率部署瓶颈。

Ry-DMD偏好对齐蒸馏

训练侧提出Reward-Yield Distribution Matching Distillation（Ry-DMD）。它通过奖励加权的教师rollout，将黑盒奖励纳入分布匹配，无需对奖励模型反向传播，实现偏好对齐的一步生成。作者还表明该方法可泛化到文本到图像（T2I）生成。整体上，FlashVSR+在修复质量上更强，高分辨率效率明显提升，并在用户偏好上获得一致增益。代码、模型与训练数据已公开。

我的判断

FlashVSR+把局部性先验做成可落地的混合注意力，再配合不依赖奖励反传的蒸馏，对一步VSR的实用化有直接价值，尤其适合显存受限的高分辨率场景。边界在于材料主要报告加速、内存与偏好增益，未展开跨数据集泛化细节与失败案例；Ry-DMD对奖励设计的敏感度也有待更多验证。对需要单卡4K、又在意主观质量的VSR应用，值得优先关注；若任务对长程一致性或特定域偏移要求极高，仍需结合实际数据评估。