文章图片
结构魔改自Waiuf2x
Real-CUGAN , 全名Real Cascade U-Nets for Anime Image Super Resolution 。
其结构魔改自此前大火的图片无损放大/降噪神器——Waiuf2x(GitHub标星23k) , 并可以与之无缝兼容;训练代码基本来自腾讯去年刚出品的RealESRGAN(GitHub标星9.1k) 。
Waiuf2x出自日本的一位“技术宅” , 原理大概就是把一堆二次元图片缩小再和原图放一起 , 通过算法让模型自己学会了如何放大拉伸图片 。
文章图片
【B站开源动漫画质修复模型,超分辨率无杂线无伪影,还是二次元最懂二次元】Waiuf2x有免费的网页版供大家使用 。
文章图片
RealESRGAN , 主要通过模拟高分辨率图像变低分辩率过程中的各种“退化”过程 , 然后让模型看到一张糊图后倒推出来它的高清图 。
文章图片
它是对超分“前辈”ESRGAN的进一步改进 , 后者曾赢得ECCV2018 PIRM-SR挑战赛中的第一名 。
相比这两位 , Real-CUGAN都有什么独到之处呢?
首先在训练集方面 , 前两者都是采用私有二次元训练集 , 量级与质量未知 , Real-CUGAN则用了百万级高清的二次元数据集 。
在推理耗时方面(目标为1080P) , 如果以Waiuf2x为基线 , RealESRGAN要耗费2.2x的时间 , Real-CUGAN则只需1x 。
在强度调整方面 , Waiuf2x可以支持多种降噪强度 , RealESRGAN没法调整 , Real-CUGAN则支持4种降噪强度与保守修复 , 未来还会提供不同程序的去模糊、去JPEG伪影、锐化等功能 。
此外 , Waiuf2x只能实现1倍和2倍分辨率修复 , RealESRGAN只支持4倍 , Real-CUGAN则2~4倍都可以(1倍还在训练中) 。
当然 , 最最最重要的还是效果 。
来看一些最直观的对比图:
文章图片
文章图片
可以看到 , Real-CUGAN和Waiuf2x的结果都差不多 , 但是RealESRGAN却没有处理好地板纹理 。
文章图片
文章图片
在这组对比图中 , Waiuf2x明显不如后两者线条清晰 , 而相比Real-CUGAN , RealESRGAN中人物嘴巴和下颚处的线条是虚的 , 有杂线 。
特别声明:本站内容均来自网友提供或互联网,仅供参考,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
