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。