- 第一步：将需要处理的图片上传到
images文件夹中 - 第二步：
./start.sh开始处理
处理完毕后，结果在results文件夹中
./start.sh的参数请参照下文。
-- 以下为原文档
🔥 更新动漫视频的小模型 RealESRGAN AnimeVideo-v3. 更多信息在 [动漫视频模型介绍] 和 [比较] 中.
- Real-ESRGAN的Colab Demo | Real-ESRGAN动漫视频 的Colab Demo
- 支持Intel/AMD/Nvidia显卡的绿色版exe文件： Windows版 / Linux版 / macOS版，详情请移步这里。NCNN的实现在 Real-ESRGAN-ncnn-vulkan。
Real-ESRGAN 的目标是开发出实用的图像/视频修复算法。
我们在 ESRGAN 的基础上使用纯合成的数据来进行训练，以使其能被应用于实际的图片修复的场景（顾名思义：Real-ESRGAN）。
🎨 Real-ESRGAN 需要，也很欢迎你的贡献，如新功能、模型、bug修复、建议、维护等等。详情可以查看CONTRIBUTING.md，所有的贡献者都会被列在此处。
🌌 感谢大家提供了很好的反馈。这些反馈会逐步更新在 这个文档。
❓ 常见的问题可以在FAQ.md中找到答案。（好吧，现在还是空白的=-=||）
如果 Real-ESRGAN 对你有帮助，可以给本项目一个 Star ⭐ ，或者推荐给你的朋友们，谢谢！😊
其他推荐的项目：
▶️ GFPGAN: 实用的人脸复原算法
▶️ BasicSR: 开源的图像和视频工具箱
▶️ facexlib: 提供与人脸相关的工具箱
▶️ HandyView: 基于PyQt5的图片查看器，方便查看以及比较
🚩更新
- ✅ 更新动漫视频的小模型 RealESRGAN AnimeVideo-v3. 更多信息在 anime video models 和 comparisons中.
- ✅ 添加了针对动漫视频的小模型, 更多信息在 anime video models 中.
- ✅ 添加了ncnn 实现：Real-ESRGAN-ncnn-vulkan.
- ✅ 添加了 RealESRGAN_x4plus_anime_6B.pth，对二次元图片进行了优化，并减少了model的大小。详情 以及 与waifu2x的对比请查看anime_model.md
- ✅支持用户在自己的数据上进行微调 (finetune)：详情
- ✅ 支持使用GFPGAN增强人脸
- ✅ 通过Gradio添加到了Huggingface Spaces（一个机器学习应用的在线平台）：Gradio在线版。感谢@AK391
- ✅ 支持任意比例的缩放：
--outscale（实际上使用LANCZOS4来更进一步调整输出图像的尺寸）。添加了RealESRGAN_x2plus.pth模型 - ✅ 推断脚本支持: 1) 分块处理tile; 2) 带alpha通道的图像; 3) 灰色图像; 4) 16-bit图像.
- ✅ 训练代码已经发布，具体做法可查看：Training.md。
🧩使用Real-ESRGAN的项目
👋 如果你开发/使用/集成了Real-ESRGAN, 欢迎联系我添加
- NCNN-Android: RealSR-NCNN-Android by tumuyan
- VapourSynth: vs-realesrgan by HolyWu
- NCNN: Real-ESRGAN-ncnn-vulkan
易用的图形界面
👀Demo视频（B站）
[论文] [项目主页] [YouTube 视频] [B站视频] [Poster] [PPT]
Xintao Wang, Liangbin Xie, Chao Dong, Ying Shan
Tencent ARC Lab; Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences
我们提供了一套训练好的模型（RealESRGAN_x4plus.pth)，可以进行4倍的超分辨率。
现在的 Real-ESRGAN 还是有几率失败的，因为现实生活的降质过程比较复杂。
而且，本项目对人脸以及文字之类的效果还不是太好，但是我们会持续进行优化的。
Real-ESRGAN 将会被长期支持，我会在空闲的时间中持续维护更新。
这些是未来计划的几个新功能：
- 优化人脸
- 优化文字
- 优化动画图像
- 支持更多的超分辨率比例
- 可调节的复原
如果你有好主意或需求，欢迎在 issue 或 discussion 中提出。
如果你有一些 Real-ESRGAN 中有问题的照片，你也可以在 issue 或者 discussion 中发出来。我会留意（但是不一定能解决😛）。如果有必要的话，我还会专门开一页来记录那些有待解决的图像。
你可以下载支持Intel/AMD/Nvidia显卡的绿色版exe文件： Windows版 / Linux版 / macOS版。
绿色版指的是这些exe你可以直接运行（放U盘里拷走都没问题），因为里面已经有所需的文件和模型了。它不需要 CUDA 或者 PyTorch运行环境。
你可以通过下面这个命令来运行（Windows版本的例子，更多信息请查看对应版本的README.md）：
./realesrgan-ncnn-vulkan.exe -i 输入图像.jpg -o 输出图像.png -n 模型名字
我们提供了五种模型：
- realesrgan-x4plus（默认）
- reaesrnet-x4plus
- realesrgan-x4plus-anime（针对动漫插画图像优化，有更小的体积）
- realesr-animevideov3 (针对动漫视频)
你可以通过-n参数来使用其他模型，例如./realesrgan-ncnn-vulkan.exe -i 二次元图片.jpg -o 二刺螈图片.png -n realesrgan-x4plus-anime
- 更多细节可以参考 Real-ESRGAN-ncnn-vulkan.
- 注意：可执行文件并没有支持 python 脚本
inference_realesrgan.py中所有的功能，比如outscale选项) .
Usage: realesrgan-ncnn-vulkan.exe -i infile -o outfile [options]... -h show this help -i input-path input image path (jpg/png/webp) or directory -o output-path output image path (jpg/png/webp) or directory -s scale upscale ratio (can be 2, 3, 4. default=4) -t tile-size tile size (>=32/0=auto, default=0) can be 0,0,0 for multi-gpu -m model-path folder path to the pre-trained models. default=models -n model-name model name (default=realesr-animevideov3, can be realesr-animevideov3 | realesrgan-x4plus | realesrgan-x4plus-anime | realesrnet-x4plus) -g gpu-id gpu device to use (default=auto) can be 0,1,2 for multi-gpu -j load:proc:save thread count for load/proc/save (default=1:2:2) can be 1:2,2,2:2 for multi-gpu -x enable tta mode" -f format output image format (jpg/png/webp, default=ext/png) -v verbose output
由于这些exe文件会把图像分成几个板块，然后来分别进行处理，再合成导出，输出的图像可能会有一点割裂感（而且可能跟PyTorch的输出不太一样）
- Python >= 3.7 (推荐使用Anaconda或Miniconda)
- PyTorch >= 1.7
-
把项目克隆到本地
git clone https://github.com/xinntao/Real-ESRGAN.git cd Real-ESRGAN -
安装各种依赖
# 安装 basicsr - https://github.com/xinntao/BasicSR # 我们使用BasicSR来训练以及推断 pip install basicsr # facexlib和gfpgan是用来增强人脸的 pip install facexlib pip install gfpgan pip install -r requirements.txt python setup.py develop
下载我们训练好的模型: RealESRGAN_x4plus.pth
wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth -P weights
推断!
python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --face_enhance
结果在results文件夹
训练好的模型: RealESRGAN_x4plus_anime_6B
有关waifu2x的更多信息和对比在anime_model.md中。
# 下载模型
wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.2.2.4/RealESRGAN_x4plus_anime_6B.pth -P weights
# 推断
python inference_realesrgan.py -n RealESRGAN_x4plus_anime_6B -i inputs
结果在results文件夹
- 虽然你使用了 X4 模型，但是你可以 输出任意尺寸比例的图片，只要实用了
outscale参数. 程序会进一步对模型的输出图像进行缩放。
Usage: python inference_realesrgan.py -n RealESRGAN_x4plus -i infile -o outfile [options]... A common command: python inference_realesrgan.py -n RealESRGAN_x4plus -i infile --outscale 3.5 --face_enhance -h show this help -i --input Input image or folder. Default: inputs -o --output Output folder. Default: results -n --model_name Model name. Default: RealESRGAN_x4plus -s, --outscale The final upsampling scale of the image. Default: 4 --suffix Suffix of the restored image. Default: out -t, --tile Tile size, 0 for no tile during testing. Default: 0 --face_enhance Whether to use GFPGAN to enhance face. Default: False --fp32 Whether to use half precision during inference. Default: False --ext Image extension. Options: auto | jpg | png, auto means using the same extension as inputs. Default: auto
这里有一份详细的指南：Training.md.
@Article{wang2021realesrgan, title={Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data}, author={Xintao Wang and Liangbin Xie and Chao Dong and Ying Shan}, journal={arXiv:2107.10833}, year={2021} }
如果你有任何问题，请通过 xintao.wang@outlook.com 或 xintaowang@tencent.com 联系我们。
感谢所有的贡献者大大们~
- AK391: 通过Gradio添加到了Huggingface Spaces（一个机器学习应用的在线平台）：Gradio在线版。
- Asiimoviet: 把 README.md 文档 翻译成了中文。
- 2ji3150: 感谢详尽并且富有价值的反馈、建议.
- Jared-02: 把 Training.md 文档 翻译成了中文。
