Comment atteindre un algorithme de super-résolution haute définition pour atteindre 480p 4k
Je crois que beaucoup de gens aiment regarder des films, des animations, etc., qu'ils surveillent ou regardent des vidéos haute définition, haute résolution dans la visualisation locale et apportent une meilleure expérience de visionnage. Mais pour ces nostalgies, ce n'est peut-être pas aussi chanceux. Dans le passé, la résolution de nombreux vieux films, de vieux films et de vieux films ne peut pas atteindre 720p, ce qui conduit à l'expérience de la surveillance de l'expérience, après tout, dans cet âge, faible ressource, faible ressource, il est vraiment un peu sur Date.
En fait, même si vous regardez l'ensemble de l'industrie, l'absence de contenu super haute définition est également le point de douleur lorsque l'industrie existe généralement. La prise de vue incomplète, le tir, le niveau de production est immature, la pénurie de la technologie est devenue une Bloc d'achoppement qui entrave le développement de l'industrie, afin d'améliorer Ultra HD la capacité de production de la vidéo, tout en épargnant les coûts, nécessitant une intervention artificielle d'intelligence, une algorithme de super-résolution est un bon moyen de résoudre ce problème.
Il n'est pas familier avec l'algorithme de super-résolution. Beaucoup de personnes devant l'écran ne sont peut-être pas familières, mais on a mentionné DLSS, FSR ou XESS, les joueurs de jeu doivent avoir gagnés, bien qu'ils ne soient pas identiques, mais des résultats Au vu, ces trois technologies peuvent améliorer la résolution du jeu et apporter une meilleure expérience de jeu. L'algorithme de super-résolution à dire aujourd'hui, dans un sens, et la technologie FSR de l'AMD peut être considérée comme assez similaire.
Image Super résolution PROBLÈMES La recherche est de savoir comment obtenir une image haute résolution lors de la saisie d'une image à basse résolution et l'algorithme d'interpolation d'image traditionnel peut donner cet effet dans une certaine mesure, comme l'interpolation de voisin la plus proche, l'interpolation de sexe double ligne et la double interpolation, Etc., mais ces algorithmes ont obtenu des effets d'image haute résolution ne sont pas idéaux.
En termes de traitement de l'image, un autre algorithme célèbre WAIFU2X, qui utilise l'algorithme de convolutionnelle SRCNN, SRCNN est le premier algorithme de super-résolution utilisant une structure CNN (c'est-à-dire basé sur l'apprentissage profond), il utilisera la profondeur du processus d'algorithme. de l'apprentissage est atteint et l'effet est meilleur que l'intégration traditionnelle multi-module. Le processus SRCNN est le suivant: d'abord entrer le pré-traitement. L'image LR basse résolution entrée est agrandie à l'aide d'un algorithme bicubique pour agrandir la taille de la cible. Ensuite, la cible de l'algorithme suivant consiste à obtenir une image du RL floue de l'intrant brouillé de la part, à travers le processus de réseau de convolution, pour obtenir une image de la SR de la Super-résolution, de sorte qu'elle est similaire à l'image HR haute résolution de l'image d'origine.
La technologie AI Super Resolution est une direction dans le domaine de la technologie de réparation d'images. Au cours de la sortie de la vidéo d'anime, il existe souvent une série de traitement du signal numérique, y compris dentelée, halo, bloc de couleur, traitement sonore, traitement de ligne flou, etc., dans le passé, les travailleurs vidéo ont souvent besoin de goûter à la source, dans différents Les fragments sont analysés à la résolution de la courroie principale et la réparation manuelle est faite par une série de filtres, ce qui entraîne un coût humain important.
Le protagoniste d'aujourd'hui est l'outil Real-Cugan pour le laboratoire B STORY AI (adresse du projet:https://github.com/bilibili/ailab/tree/main/real-dungan), Tant qu'il l'utilise, la qualité de l'image d'animation peut être augmentée de 2 à 4 fois et elle est presque inefficace.
Nom complet de Real-Cugan Nom complet réel Cascaded-u-net-Net-Net-Net-Net de style (réel, réseau de confrontation de la génération de style U-Net en cascade), utilisant la même structure de réseau d'animation que WAIFU2X, mais à cause de nouvelles données de formation et de méthodes de formation, formant ainsi différents paramètres et méthodes de raisonnement.
À partir des détails techniques, Real-Cugan traitera d'abord le cadre d'anime, puis utilisez le modèle de score de qualité d'image pour marquer le bloc candidat pour obtenir un ensemble d'entraînement d'image d'image d'image de haute qualité de haute qualité. Utilisez ensuite un algorithme de dégradation à plusieurs étages pour obtenir une image hypervarium pour obtenir une image de haute qualité en permettant au modèle AI d'apprendre, d'optimiser le processus de reconstruction d'images de haute qualité à des images de haute qualité. Après la formation, le secondaire réel L'élément est faible. L'image effectue un traitement haute définition.
Real-Cugan prend en charge une super-résolution de 2x \ 3x \ 4x fois, qui prend en charge l'intensité de la réduction du bruit et les correctifs conservatrices, 3 fois / 4 fois le modèle prend en charge l'intensité de réduction du bruit et les correctifs conservateurs, et si vous êtes des utilisateurs Windows, l'auteur est également prêt. préparer la version Windows-GUI.https://github.com/justin62628/squirrel-rife/relases/tag/v0.0.3 ,TéléchargerLe travail peut être utilisé plus tard.
Comparé à WAIFU2X (Cunet) et Real-ESRGgan (anime6b), l'avantage de Real-Cugan est également plus évident. L'auteur a également mené une vague de comparaison, comme suit:
Actuellement, le pays OGV en B station B"Saison 2 de Zhen Soul Street"Il a déjà lancé une version de résolution de 4k de la trop profondeur. Je pense que dans le futur, plus de versions de réinitialisation HD seront également sur la route, le développement de la technologie AI est en train d'être amélioré de tous les angles.
