為了讓你能高清重溫童年的XXX，AI近來沒少努力。

最近我們就發現了一個專為動漫圖像而生的畫質修復模型：

Real-CUGAN。

這個開源模型在今天登上了GitHub熱榜，還來自b站官方。

“老二刺猿”了就是說[狗頭]。

結構魔改自Waiuf2x

Real-CUGAN，全名Real Cascade U-Nets for Anime Image Super Resolution。

其結構魔改自此前大火的圖片無損放大/降噪神器——Waiuf2x（GitHub標星23k），并可以與之無縫兼容；訓練代碼基本來自騰訊去年剛出品的RealESRGAN（GitHub標星9.1k）。

Waiuf2x出自日本的一位“技術宅”，原理大概就是把一堆二次元圖片縮小再和原圖放一起，通過算法讓模型自己學會了如何放大拉伸圖片。

Waiuf2x有免費的網頁版供大家使用。

RealESRGAN，主要通過模擬高分辨率圖像變低分辯率過程中的各種“退化”過程，然后讓模型看到一張糊圖后倒推出來它的高清圖。

它是對超分“前輩”ESRGAN的進一步改進，后者曾贏得ECCV2018 PIRM-SR挑戰賽中的第一名。

相比這兩位，Real-CUGAN都有什么獨到之處呢？

首先在訓練集方面，前兩者都是采用私有二次元訓練集，量級與質量未知，Real-CUGAN則用了百萬級高清的二次元數據集。

在推理耗時方面（目標為1080P），如果以Waiuf2x為基線，RealESRGAN要耗費2.2x的時間，Real-CUGAN則只需1x。

在強度調整方面，Waiuf2x可以支持多種降噪強度，RealESRGAN沒法調整，Real-CUGAN則支持4種降噪強度與保守修復，未來還會提供不同程序的去模糊、去JPEG偽影、銳化等功能。

此外，Waiuf2x只能實現1倍和2倍分辨率修復，RealESRGAN只支持4倍，Real-CUGAN則2～4倍都可以（1倍還在訓練中）。

當然，最最最重要的還是效果。

來看一些最直觀的對比圖：

可以看到，Real-CUGAN和Waiuf2x的結果都差不多，但是RealESRGAN卻沒有處理好地板紋理。

在這組對比圖中，Waiuf2x明顯不如后兩者線條清晰，而相比Real-CUGAN，RealESRGAN中人物嘴巴和下顎處的線條是虛的，有雜線。

而在這組“極致渣清型”圖片的超分效果中，Waiuf2x仍然明顯不夠清晰。

而RealESRGAN整體清晰是清晰，卻仍然出現了雜線，以及和明顯的偽影——只有Real-CUGAN畫面干干凈凈，表現最好。

為了方便更多的創造者，Real-CUGAN面向4類群體開源了不同的推理參數設置。

Real-CUGAN為Windows用戶打包了一個可執行環境（下載鏈接可在文末的倉庫里自取）。

通過congfig文件可進行通用參數設置：在mode中填寫video或者image決定超視頻還是超圖像。

模型分三類，具體選哪種也給了參考：

提供了兩套參數：Real-CUGAN2x標準版(denoise-level3)和Real-CUGAN2x無切割線版。

需torch>=1.0.0，配備numpy、opencv-python、moviepy模塊。

這個就不細說了，相應的讀者可以參見倉庫的Readme說明～

最后，Real-CUGAN也正在計劃更新更多：包括快速模型、簡單的GUI、一步超到任意指定分辨率功能以及對本身效果的改進（優化紋理保留，削減模型處理痕跡）。

心動的朋友可以戳下方鏈接試試手：

總結

以上是生活随笔為你收集整理的二次元最懂二次元：B站开源动漫画质修复模型 超分辨率画质更好的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。