企业官网建设流程全解析

VOSR2-fp16 是 CVPR 2026 一步式生成式图像超分辨率模型 VOSR2 的 MLX 权重仓库，默认以 fp16 精度发布，并可在加载时自动派生 int8 量化档。本指南带你用一张对比表看懂 fp32 / fp16 / int8 / bf16 四条精度的画质与速度取舍，快速为你的超分辨率任务选对精度。

VOSR2-fp16 是什么：三个组件组成一条超分辨率流水线

VOSR2（"vision-only" one-step generative super-resolution）无需多步扩散迭代，一次前向即可把低清图放大 1–4 倍。MLX 移植版将上游检查点逐张量精确转换（无二次量化）后拆成三个权重文件：

config.json 中的key_contract字段明确写了转换约定：卷积权重为(O,kH,kW,I)布局、nn.Sequential子模块映射到layers.N、DINOv2 只保留 DiT 实际消费的 18 个 block——这也是新手理解"为什么文件只有这三个"的答案。

为什么 fp16 胜出 bf16：11.7 dB 的差距从何而来

很多新手的第一反应是：MLX 生态里 bf16 更常见，应该选 bf16。但这个项目没有发布 bf16 版——因为实测它只拿到 37.6 dB，而 fp16 拿到 49.3 dB（均相对 fp32 参考、解码 512² 输出对比）。

bf16 的"范围优势"在这里用不上

fp16 与 bf16 的关键区别在于尾数与指数的分配：

• fp16：5 位指数（最大可表示约 65504），11 位尾数（相对精度约 0.05%）
• bf16：8 位指数（范围与 fp32 相同），仅 7 位尾数（相对精度约 0.39%）

VOSR2 的 DiT 残差流（residual stream）幅值最大只到|126|，远远落在 fp16 的 65504 表示范围内——bf16 那套"防溢出"的大范围完全用不上，反而要白白承受 8 倍的尾数精度损失。

fp16 的尾数精度直接兑现成画质

在残差流这种"数值累加放大误差"的敏感区域，bf16 的粗尾数让误差滚雪球，PSNR 从 49.3 dB 掉到 37.6 dB，差了11.7 dB——换算成均方误差约是 4 倍以上，放大图上肉眼可辨。结论很直接：

当激活值范围受控时，选精度（尾数位宽）而不是选范围（指数位宽），fp16 是 VOSR2 的默认且推荐精度。

int8 组量化：加载时自动派生的加速档

group-64 权重量化的原理

README.md 说明：fp16 泳道是发布泳道，Swift/MLX 移植版（mlx-vosr-swift）在加载时自动从中派生 int8 档——对 DiT 内的 Linear 层做 group-64、仅权重的量化（激活仍保持高精度），无需你额外转换或下载第二份权重。

46.7 dB：画质损失肉眼难辨

fp16 + int8 DiT 组合实测46.7 dB，只比纯 fp16 的 49.3 dB 低 2.6 dB。经验上 PSNR 高于 40 dB 的输出与参考几乎不可区分，因此 int8 档把 1.39 B 主干的权重内存/带宽占用大约砍半，换来的画质代价可以忽略——这就是"兼顾画质与速度"的实现方式。

三条精度泳道对比：一张表看懂

在 mlx-vosr-swift 中选择精度：最快配置方法

配合 MLXEngine 的imageUpscale使用时，精度只是一个配置项，首次运行会自动物化本仓库权重：

let id = try await engine.register( VOSRUpscalePackage.registration, configuration: VOSRConfiguration(quant: .fp16) ) let out = try await engine.run( ImageUpscaleRequest(image: image, scale: 2), package: id // ×1…×4 )

需要更省内存时按移植版文档切换到 int8 档即可，其余流程不变。

选型清单：30 秒做出决定

• ✅普通用户：直接quant: .fp16，画质与资源的最优平衡点
• ⚡内存吃紧 / 批量处理：用 int8 派生档，PSNR 仅从 49.3 dB 到 46.7 dB
• 🔬对齐验证 / 出版级基准：用 fp32 参考泳道
• 🚫bf16：残差流精度不足，37.6 dB 不达标，跳过
• ⚠️提示：VOSR2 是生成式模型，会"重写"清晰小字。文字密集的素材请走可读性保护流程再上采样

核心资料入口：README.md（泳道说明与对齐数据）、config.json（结构契约）。