集成中

&bsp;中文 &bsp;| &bsp;英文&bsp; | &bsp;GitHub &bsp;

图像超分辨率介绍

输入低分辨率图片，返回超高超分辨率后的高清晰图片。?Real-CUGAN? 是一个使用百万级动漫数据进行训练的，结构与Waifu2x兼容的通用动漫图像超分辨率模型。它支持2x\3x\4x倍超分辨率，其中2倍模型支持4种降噪强度与保守修复，3倍/4倍模型支持2种降噪强度与保守修复。

模型描述

介绍该模型的基础信息、模型特征、模型架构等。

期望模型使用方式以及适用范围

本模型适用范围较广，给定任意的低分辨率图片，都能生成一张高达4倍超分辨率后的高清晰度图片。

如何使用

在ModelScope框架上，提供低分辨图片，即可以通过简单的Pipelie调用来使用图像超分辨率模型。

代码范例

导入ms_wrapper注册脚本 (注，若要尝试其它模型，可在cofiguratio.jso中修改模型初始化参数)

from modelscope.hub.sapshot_dowload import sapshot_dowload
model_path = sapshot_dowload('bilibili/cv_bilibili_image-super-resolutio', revisio='v0.1')
import sys
sys.path.isert(0, model_path)
import ms_wrapper
from modelscope.pipelies import pipelie
file_path = f"{model_path}/demos/title-compare1.pg"
weight_path = f"{model_path}/weights_v3/up2x-latest-deoise3x.pth"
iferece = pipelie('image-super-resolutio', model='bilibili/cv_bilibili_image-super-resolutio', weight_path=weight_path, half=False) # GPU环境可以设置为True
output = iferece(file_path,tile_mode=0,cache_mode=1,alpha=1)

import matplotlib.pyplot as plt
plt.imshow(output)

模型局限性以及可能的偏差

介绍模型适用的场景，以及在哪些场景可能存在局限性，以及模型在构造训练过程中， 本身可能带有的，由于训练数据以及训练方法等因素引入的偏向性。

数据评估及结果

• 效果图对比 (推荐点开大图在原图分辨率下对比)
  纹理挑战型(注意地板纹理涂抹)(图源:《侦探已死》第一集10分20秒)

  

  线条挑战型(注意线条中心与边缘的虚实)(《东之伊甸》第四集7分30秒)

  

  极致渣清型(注意画风保留、杂线、线条)(图源:Real-ESRGAN官方测试样例)

  

  景深虚化型(蜡烛为后景，刻意加入了虚化特效，应该尽量保留原始版本不经过处理)(图源:《～闘志の華～戦国乙女2ボナ楽曲PV》第16秒)

  

  
  

• 详细对比

相关论文以及引用信息

如果本模型有相关论文发表，或者是基于某些论文的结果，可以在这里 提供Bibtex格式的参考文献。

集成中  中文  |  英文  |  GitHub   图像超分辨率介绍 输入低分辨率图片，返回超高超分辨率后的高清晰图片。?Real-CUGAN? 是一个使用百万级动漫数据进行