本申请提供了一种超分网络模型训练方法、装置、电子设备以及存储介质，涉及计算机视觉技术领域，该方法包括：利用第一网络模型对第二网络模型进行知识蒸馏；并在知识蒸馏过程中，计算互信息损失、第一时序一致性损失以及第二时序一致性损失中的至少一项；进而，基于该互信息损失、第一时序一致性损失以及第二时序一致性损失中的至少一项，对该第二超分网络模型的参数进行调整，得到训练后的该第二超分网络模型。本申请通过引入知识蒸馏技术并设计了适用于视频超分领域的监督指标，能够在保证超分网络模型的性能的基础上，降低超分网络模型的复杂度，进而，有利于该第二超分网络模型在低计算能力的终端平台（如嵌入式设备等）上或线上实时运行。