FMA-Net使用教程

访问FMA-Net官方站点，首先浏览首页的模型介绍、技术原理板块，了解该模型的核心能力与适用场景，确认是否匹配自身的视频修复需求。

在站点的代码下载区域，获取完整的模型代码包与预训练权重文件，同时查看配套的环境配置说明文档，准备Python、PyTorch等所需的运行环境。

完成环境部署后，按照文档指引将需要处理的低分辨率模糊视频导入指定目录，可根据自身需求选择是否调整推理参数，如输出分辨率、迭代轮次等。

运行推理脚本，模型会自动完成视频的帧提取、修复处理、帧合成全流程，处理过程中可查看实时进度提示，等待任务完成即可。

处理完成后，在指定的输出目录获取修复后的高分辨率清晰视频，可对比原始视频查看修复效果，若有定制需求可参考微调教程对模型进行针对性训练。