集成中

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Pipeline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configuration.json中修改模型初始化参数)

from modelscope.hub.snapshot_download import snapshot_download
model_path = snapshot_download('bilibili/cv_bilibili_image-super-resolution', revision='v0.1')
import sys
sys.path.insert(0, model_path)
import ms_wrapper
from modelscope.pipelines import pipeline
file_path = f"{model_path}/demos/title-compare1.png"
weight_path = f"{model_path}/weights_v3/up2x-latest-denoise3x.pth"
inference = pipeline('image-super-resolution', model='bilibili/cv_bilibili_image-super-resolution', weight_path=weight_path, half=False) # GPU环境可以设置为True
output = inference(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

	Waifu2x(CUNet)	Real-ESRGAN(Anime6B)	Real-CUGAN
训练集	私有二次元训练集，量级与质量未知	私有二次元训练集，量级与质量未知	百万级高清二次元patch dataset
推理耗时(1080P)	Baseline	2.2x	1x
效果(见对比图)	无法去模糊，artifact去除不干净	锐化强度最大，容易改变画风，线条可能错判，虚化区域可能强行清晰化	更锐利的线条，更好的纹理保留，虚化区域保留
兼容性	大量windows-APP使用，VapourSynth支持， Caffe支持，PyTorch支持，NCNN支持	PyTorch支持，VapourSynth支持，NCNN支持	同Waifu2x，结构相同，参数不同，与Waifu2x无缝兼容
强度调整	仅支持多种降噪强度	不支持	已完成4种降噪程度版本和保守版，未来将支持调节不同去模糊、去JPEG伪影、锐化、降噪强度
尺度	仅支持1倍和2倍	仅支持4倍	已支持2倍、3倍、4倍，1倍训练中

集成中