So erreichen Sie einen hochauflösenden Superauflösungsalgorithmus, um 480p 4k zu erreichen

Ich glaube, dass viele Leute gerne Filme, Animationen usw. sehen, usw., usw., usw. ansehen oder ansehen, hochauflösende Videos mit hochauflösender, hochauflösender Videos in der örtlichen Ansicht und bringen ein besseres Betrachtungserlebnis. Aber für diese Nostalgie kann es nicht so glücklich sein. In der Vergangenheit dürfen die Auflösung vieler alter Filme, alte Filme und alte Filme nicht 720p erreichen, was dazu führt, dass in diesem Alter in diesem Alter, in diesem Alter, geringer Ressource, niedrige Ressource, wirklich ein bisschen raus Datum.

Selbst wenn Sie sich auf die gesamte Branche ansehen, ist der Mangel an super hochauflösender Inhalte auch der Schmerzpunkt, an dem die Industrie im Allgemeinen vorhanden ist. Die unvollständige Aufnahme, Aufnahme, Produktionsebene ist unreif, der Mangel an Technologie ist zu einem Stolperstein, der die Entwicklung der Branche behindert, um Ultra HD die Produktionskapazität des Videos zu verbessern, während die Kosten sparen, die künstliche Intelligenzeingriffe, der Superauflösungsalgorithmus, ist ein guter Weg, um dieses Problem zu lösen.

Es ist nicht mit dem Superauflösungsalgorithmus vertraut. Viele Leute vor dem Bildschirm sind dürfen nicht vertraut, aber einer genannten DLSS, FSR oder XESS, die Spieler, die Spieler hätten verdient haben müssen, obwohl sie nicht dasselbe sind, sondern von den Ergebnissen In Anbetracht können diese drei Technologien die Spielauflösung verbessern und bessere Spielerlebnisse bringen. Der superauflösende Algorithmus, der heute gesagt wird, in gewisser Weise, und die FSR-Technologie der AMD kann als recht ähnlich sein.

Image Super Resolutionsprobleme Forschung ist, wie ein hochauflösendes Bild beim Eintritt in ein mit niedrigem Auflösung eingeleitet wird, und der traditionelle Bildinterpolationsalgorithmus kann diesen Effekt bis zu einem gewissen Grad ergeben, wie beispielsweise nächstgelegene Nachbarinterpolation, doppelte Sex-Interpolation und doppelte Interpolation, usw., aber diese Algorithmen erzielten hochauflösende Bildeffekte, sind nicht ideal.

In Bezug auf die Bildverarbeitung ist ein weiterer berühmter Algorithmus Waifu2x, der den SRCNN-Faltungsalgorithmus verwendet, Srcnn Der erste Superauflösungsalgorithmus mit einer CNN-Struktur (dh auf tiefem Lernen) wird die Tiefe des Algorithmus-Prozesses das Verfahren verwenden Das Lernen wird erreicht, und der Effekt ist besser als die traditionelle Integration von Multi-Modul. Der SRCNN-Prozess ist wie folgt: Geben Sie zuerst die Vorverarbeitung ein. Die eingegebene LR-Bild mit niedriger Auflösung wird mit einem Bicubic-Algorithmus vergrößert, um die Zielgröße zu vergrößern. Dann ist das Ziel des nächsten Algorithmus, durch den Prozess des Faltungsnetzwerks ein Bild des Eingangsvergleichs unscharfes LR zu erhalten, um ein Bild der Superauflösung SR zu erhalten, so dass es dem hochauflösenden HR-Bild von ähnelt das ursprüngliche Bild.

Die AI Super Resolution-Technologie ist eine Richtung auf dem Feld der Bildreparaturtechnologie. Während der Ausgabe von Anime-Videos gibt es häufig eine Reihe digitaler Signalverarbeitung, einschließlich gezahnter, Halo-, Farbblocks, Rauschen, Unschärfezeilenverarbeitung usw., in der Vergangenheit, dass Videokräsentier oft die Quelle probieren müssen Fragmente werden auf der Master-Gürtelauflösung analysiert, und die manuelle Reparatur wird von einer Reihe von Filtern hergestellt, was große menschliche Kosten verursacht.

Der heutige Protagonist ist das Real-Cugan-Tool für das B-Bahnhof-AI-Labor (Projektadresse:https://github.com/bilibili/ailab/tree/main/real-cugan.), Solange es verwendet wird, kann die Qualität des Animationsbildes um 2 bis 4 Mal erhöht werden, und es ist fast unwirksam.

Real-Cugan-vollständiger Name echter cascaded-u-net-style-Generationskonferenz-Netzwerke (echtes, kaskadendes U-Net-Generation-Konfrontationsnetzwerk) mit derselben Animationsnetzstruktur wie WAIFU2X, jedoch aufgrund neuer Trainingsdaten und Trainingsmethoden, wodurch sich er formt unterschiedliche Parameter und Argumentationsmethoden.

Aus den technischen Details verarbeitet Real-Cugan den Anime-Rahmen zuerst und nutzen Sie dann das Bildqualitäts-Score-Modell, um den Kandidatenblock zu erzielen, um ein hochwertiges Anime-Bildblock-Trainingssatz von Millionen hochwertigem Anime-Bildblock zu erhalten. Verwenden Sie dann einen mehrstufigen Abbaualgorithmus, um ein Hypervariumbild zu erhalten, um ein Bild mit niedrigem Qualität zu erhalten, indem das AI-Modell erleichtert, um den Rekonstruktionsprozess von Bildern mit niedrigem Qualität auf qualitativ hochwertige Bilder zu optimieren. Nach dem Training ist die echte Sekundäre Element ist niedrig. Bild führt die High-Definition-Verarbeitung durch.

Real-Cugan unterstützt 2x \ 3x \ 4x-mal Super-Auflösung, der 4 Rauschunterdrückungsintensität und konservative Fixes unterstützt, 3-mal- / 4-fach-Modell unterstützt 2 Rauschunterdrückungsintensität und konservative Fixes, und wenn Sie Windows-Benutzer sind, ist der Autor auch bereit So erstellen Sie die Windows-GUI-Version.https://github.com/justin62628/squirrel-rife/Relais/tag/v0.0.3. ,herunterladenArbeit kann später verwendet werden.

Im Vergleich zu Waifu2X (Cunet) und Real-ESrgan (Anime6b) ist der Vorteil von Real-Cugan ebenfalls offensichtlicher. Der Autor hat auch eine Welle des Vergleichs wie folgt durchgeführt:

Derzeit das OGV-Land in B-Bahnhof"Saison 2 der Zhen Soul Street"Es hat bereits eine 4K-Auflösungsversion der übertiefener Auflösung gestartet.