移动增强现实应用近年来发展十分迅猛,它新奇的交互方式带给了使用者独特的沉浸式体验,目前已经被广泛应用于娱乐,医疗,教育等领域。但是由于移动增强现实应用存在大量计算密集型任务（目标识别、检测及渲染）,能耗开销较大,从而给计算资源和电池资源有限的移动端设备带来很大的能耗负担。由此,通常将移动增强现实计算密集型任务卸载到云端进行处理,并给移动端返回处理结果。但针对高清移动增强现实图像内容,有限的上行带宽严重影响移动增强现实的响应延迟,由此为了降低移动增强现实应用上传能耗,提高用户交互体验,具体内容主要分为以下几个方面的工作:针对需要在服务器端进行渲染的应用,建立超分辨率帧间隔预测模型,该模型用于预测视频超分辨率过程中需要插入的高清帧的间隔SRD（super-resolution distance,SRD）。在视频编码中,因为相邻帧的重复信息较多,所以不需要对每一帧都独立编码,且HEVC（High Efficiency Video Coding）中采用帧间预测的方法以避免对每一帧单独编码。因此,对视频中所有的帧都进行超分辨率重建也并不必要。在服务器端进行超分辨率还原时,对于不同的视频,本文采用不同的策略进行还原,即根据视频的复杂程度,选取其在高清还原时超分辨率的SRD;根据SRD对该视频中对应的帧进行替换。具体地,首先使用普通插值法将视频放大,对于其中需要重建的帧使用EDVR方法完成重建,将重建的帧再使用FFmpeg重新编码回视频。针对只需要在服务器端进行推理的应用,建立上传视频分辨率预测模型,用于预测上传视频的分辨率。低分辨率视频相较于高分辨率视频有一定的信息损失,但当分辨率损失处于一定范围内时,其识别结果依然准确。另一方面,如今常见的视频,其分辨率在逐渐增大,2K,4K甚至8K也屡见不鲜。超高分辨率虽然对于人眼是一种美好的体验,但是从视频编码的角度来说,势必会存在大量的冗余信息,同时给视频的传输带来负担,因此降低分辨率来进行识别是有必要的。