Cómo lograr algoritmo de alta resolución de alta definición para lograr 480p 4k

Creo que a muchas personas les gusta ver películas, animación, etc., ya sea que estén observando o viendo, videos de alta definición, alta resolución en la visualización local y traen una mejor experiencia de visualización. Pero para esas nostalgia, puede no ser tan afortunado. En el pasado, la resolución de muchas películas antiguas, películas antiguas y películas antiguas no alcanzan las 720p, lo que lleva a la experiencia de ver experiencia, después de todo, en esta era, bajo recurso, bajo recurso, es realmente un poco fuera de fecha.

De hecho, incluso si mira a toda la industria, la falta de contenido de súper de alta definición es también el punto de dolor donde generalmente existe la industria. El tiro incompleto, el disparo, el nivel de producción es inmaduro, la escasez de tecnología se ha convertido en un Bloque de obstáculos que dificulta el desarrollo de la industria, a fin de mejorar la capacidad de producción de Ultra HD del video, mientras que ahorra costos, que requieren intervención de inteligencia artificial, el algoritmo de super resolución es una buena manera de resolver este problema.

No está familiarizado con el algoritmo de super resolución. Muchas personas frente a la pantalla pueden no ser familiares, pero se mencionó DLSS, FSR o XESS, los jugadores del juego deben haber ganado, aunque no son lo mismo, sino de los resultados. En vista, estas tres tecnologías pueden mejorar la resolución del juego y traer una mejor experiencia de juego. El algoritmo de súper resolución que se dice hoy, en cierto sentido, y la tecnología FSR de AMD se puede decir que es bastante similar.

PROBLEMOS DE SUPER RESOLUCIÓN DE LA RESOLUCIÓN La investigación es cómo obtener una imagen de alta resolución al ingresar una imagen de baja resolución, y el algoritmo de interpolación de imágenes tradicionales puede dar este efecto en cierta medida, como la interpolación del vecino más cercana, la interpolación de sexo de doble línea y la interpolación doble, etc., pero estos algoritmos lograron los efectos de imagen de alta resolución no son ideales.

En términos de procesamiento de imágenes, otro famoso algoritmo WAIFU2X, que utiliza el algoritmo convolucional de SRCNN, SRCNN es el primer algoritmo de super resolución que utiliza una estructura CNN (es decir, basada en el aprendizaje profundo), utilizará la profundidad del proceso del algoritmo. El aprendizaje se logra, y el efecto es mejor que la integración tradicional de múltiples múltiples. El proceso SRCNN es el siguiente: primero ingrese el procesamiento previo. La imagen LR de baja resolución introducida se amplía utilizando un algoritmo bicubic para ampliar el tamaño objetivo. Luego, el objetivo del siguiente algoritmo es obtener una imagen de la entrada comparativa de entrada LR borrosa, a través del proceso de red de convolución, para obtener una imagen de la SR super resolución, de modo que sea similar a la imagen HR de alta resolución de La imagen original.

La tecnología AI Super resolución es una dirección en el campo de la tecnología de reparación de imágenes. Durante la salida del anime Video, a menudo hay una serie de procesamiento de señales digitales, que incluye serrado, halo, bloque de color, tratamiento de ruido, procesamiento de línea borroso, etc., en el pasado, los trabajadores de video a menudo necesitan probar la fuente, en diferentes Los fragmentos se analizan en la resolución del cinturón maestro, y la reparación manual está hecha por una serie de filtros, lo que causa un gran costo humano.

El protagonista de hoy es la herramienta Real-Cugan para el Laboratorio AI de la estación B (dirección del proyecto:https://github.com/bilibili/ailab/tree/main/real-cugan), Siempre y cuando lo use, la calidad de la imagen de animación se puede aumentar de 2 a 4 veces, y es casi ineficaz.

Nombre completo de Real-CUGAN Real Cascada-U-Net-Style Generative Adversarial Networks (Real, Red de Confrontación de Generación de Estilos de estilo U-Net en cascada), utilizando la misma estructura de la red de animación que WAIFU2X, pero debido a los nuevos datos de capacitación y los métodos de capacitación, formando así Diferentes parámetros y métodos de razonamiento.

Desde los detalles técnicos, Real-Cugan procesará primero el marco de anime, luego usará el modelo de puntuación de calidad de imagen para calificar el bloque de candidatos para obtener un conjunto de entrenamiento de bloques de imágenes de anime de alta calidad de nivel de millón. Luego, use un algoritmo de degradación de múltiples etapas para obtener una imagen de hipervario para obtener una imagen de baja calidad permitiendo que el modelo AI aprenda, optimice el proceso de reconstrucción de imágenes de baja calidad a imágenes de alta calidad. Después de la capacitación, el verdadero secundario El elemento es bajo. La imagen realiza un procesamiento de alta definición.

Real-Cugan admite 2x \ 3x \ 4x veces la súper resolución, que admite 4 correcciones de reducción de ruido y arreglos conservadores, 3 veces / 4 veces el modelo es compatible con el modelo 2 intensidad de reducción de ruido y correcciones conservadoras, y si son usuarios de Windows, el autor también está listo Para preparar la versión de Windows-GUI.https://github.com/justin62628/squirrel-rife/releseses/tag/v0.0.3 DedescargarEl trabajo se puede utilizar más tarde.

En comparación con Waifu2x (CUNET) y Real-Esrgan (ANIME6B), la ventaja de Real-Cugan también es más obvia. El autor también ha realizado una ola de comparación, de la siguiente manera:

Actualmente el país OGV en la estación B"Temporada 2 de Zhen Soul Street"Ya ha lanzado una versión de resolución de 4K de la profundidad. Creo que en el futuro, más versiones de reinicio de HD también estarán en la carretera, el desarrollo de la tecnología AI se está mejorando de todos los ángulos.