图片画质增强器 Real-ESRGAN 项目 20220422

Real-ESRGAN 的目标是开发出实用的图像修复算法。
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）。

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。

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）
RealESRGANv2-animevideo-xsx2 (针对动漫视频, X2)
RealESRGANv2-animevideo-xsx4 (针对动漫视频, X4)

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
  -v                   verbose output
  -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 (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 pre-trained models(default=models)
  -n model-name        model name (default=realesrgan-x4plus, can be realesrgan-x4plus | realesrgan-x4plus-anime | realesrnet-x4plus)
  -g gpu-id            gpu device to use (default=0) 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)