同一个模型、同一条 image 参考通道，在两个任务上都能造出真实细节，
但失败的方式完全不同：视频超分的问题是不稳定，黑白电影着色的问题是代价。
本页把每组的全部输入（参考视频 / 参考图 / 文本 prompt）和输出并排放在一起，可逐帧对比。
超分不是没效果。十条 UDM10 里七条的感知指标明显优于双三次插值，
其中 udm10_003 / 006 的 DISTS（0.0876 / 0.0811）比专用 VSR 模型
SparkVSR api_ref 的均值（0.171）还好，肉眼看也确实清晰自然。真正的问题是
同一套配置、同一个 seed，另外两条会失败，而且事前无从判断会落在哪一边——
PSNR 全线下降是重绘内容的必然代价，不是画质判据。
两个任务的表现差异则来自「目标信息在输入中存不存在」：超分要补的高频本就藏在输入的模糊里，
模型容易把模糊当成内容去复现；着色要补的颜色在黑白输入中根本不存在，"复制输入"这条捷径不成立，
Ref2VA 的生成倾向于是从缺陷变成了正需求。
| 项 | 说明 |
|---|---|
| 参考视频的固有限制 | _resolve_reference_video_shape 把任何 video 参考强制缩到短边 768 / 面积 ≤768×1344，所以它不可能承载高分辨率信息；实测它的作用是提供运动（运动保持 31% → 79%） |
| 参考图的通道 | image 参考保留到短边 2048，且会同时被 Qwen3-VL（语义）和 video VAE（空间 token）编码两次 |
| 着色任务的评测 | 没有彩色 GT，但亮度通道天然是 GT：PSNR-Y 对 gray(bicubic 输入) 算。已做两步去混淆——把输出降采样回原分辨率消掉超分惩罚、逐帧匹配亮度均值/标准差分离色调偏移 |
| 时序 | adj=相邻帧平均绝对差，drift=末帧相对首帧偏离。只用无参考指标会给出方向性错误的排序：某变体 NIQE/MUSIQ 全场最佳，实为把参考帧复制 32 遍的静止画面 |
| 样本量 | 超分结论基于 UDM10 全 10 条；着色仅 2 条，只能作待验假设。本项目已有三次从 n≤2 外推被推翻的记录 |