アップスケーリングは、既存のピクセルを単純に引き伸ばすのではなく、ソフトウェアアルゴリズムやAIモデルで追加のピクセルディテールを合成し、画像や動画の解像度を元の寸法を超えて引き上げる工程である。従来の補間では大幅に拡大するとソフトでぼやけた結果になりがちだが、AIによるアップスケーリングは、単純なリサイズでは得られない、よりシャープでディテールの多い拡大出力を生む説得力のある微細ディテールを生成できる。

AIアップスケーリングモデルは、高解像度と低解像度の画像ペアの大規模データセットで学習し、低解像度入力から高解像度版が含むであろう微細ディテールを予測する。Real-ESRGAN、Topaz Video AI などのツールは、2倍、4倍以上のアップスケールを行い、視覚的に説得力のある合成ディテールを付加できる（元のシーンと正確に一致するとは限らない）。これにより、速度やコストの理由で低解像度で生成したAIコンテンツを最終納品解像度まで引き上げる、古い低解像度映像の復元、ピクセル密度要件の高い大判表示環境向けの準備にアップスケーリングが有用になる。

AI動画ワークフローでアップスケーリングを意図的なポスト工程として組み込むと、より速く低コストで反復するために低解像度で生成し、納品・公開する選ばれた最終出力だけをアップスケールできる。このアプローチで、最も重要なクリップの最終品質を犠牲にせず、全体の生成プロセスを効率化できる。