AI视频放大通常指的是使用人工智能技术来提高视频的分辨率或尺寸，同时尽量保持视频的质量。这种技术常被用于将低分辨率的视频升级到高分辨率，例如从标清（SD）升级到高清（HD）或超高清（UHD）。以下是几种常见的AI视频放大方法：

1、深度学习超分辨率（Deep Learning Super Resolution, DLSR）：这种方法利用深度神经网络对视频中的每一帧进行处理，以提高其分辨率。网络通过学习大量低分辨率和高分辨率图像对，学会如何从低分辨率图像中恢复出高分辨率细节。

2、生成对抗网络（Generative Adversarial Networks, GANs）：GANs由两个神经网络组成——生成器和判别器。生成器尝试创建尽可能接近真实高分辨率图像的图像，而判别器则尝试区分生成的图像与真实图像。通过这种竞争过程，生成器逐渐学会产生更高质量的高分辨率图像。

3、视频插值（Video Interpolation）：这种方法用于增加视频帧率，即在现有帧之间插入新帧，从而让视频看起来更流畅。AI可以分析相邻帧之间的运动信息，生成中间帧，这在慢动作视频制作中尤其有用。

4、动态超分辨率（Dynamic Super Resolution）：这种方法考虑了视频帧之间的相关性，利用时间连续性来改善超分辨率的效果。它不仅提高了单个帧的分辨率，还确保了视频的连贯性和稳定性。

这些技术的应用可以帮助改善老电影、监控录像等低质量视频的观看体验，但同时也可能引发版权和隐私问题，因此在使用时需要谨慎。