mirrors/Real-ESRGAN

English | 简体中文

🔥 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）

大闹天宫片段

Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data

[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。

便携版（绿色版）可执行文件

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

可执行文件的用法

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）

🔧 依赖以及安装

Python >= 3.7 (推荐使用Anaconda或Miniconda)
PyTorch >= 1.7

安装

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

⚡️ 快速上手

普通图片

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

动画图片

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

Python 脚本的用法

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

模型库

请参见 docs/model_zoo.md

训练，在你的数据上微调（Fine-tune）

这里有一份详细的指南：Training.md.

BibTeX 引用

@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}
}

联系我们

如果你有任何问题，请通过 xintao.wang@outlook.com 或 xintaowang@tencent.com 联系我们。

:hugs: 感谢

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。