Real-ESRGAN是超分自然场景图和动漫图，视频也可以，项目地址：https://github.com/xinntao/Real-ESRGAN/tree/master
安装python包：
basicsr>=1.4.2
facexlib>=0.2.5
gfpgan>=1.3.5
numpy
opencv-python
Pillow
torch>=1.7
torchvision
tqdm
然后安装：
pip install realesrgan gfpgan
可以在CLI终端直接用：
Usage: python inference_realesrgan.py -n RealESRGAN_x4plus -i infile -o outfile [options]...
A common command: python inference_realesrgan.py -n RealESRGAN_x4plus -i infile --outscale 3.5 --face_enhance
-h show this help
-i --input Input image or folder. Default: inputs
-o --output Output folder. Default: results
-n --model_name Model name. Default: RealESRGAN_x4plus
-s, --outscale The final upsampling scale of the image. Default: 4
--suffix Suffix of the restored image. Default: out
-t, --tile Tile size, 0 for no tile during testing. Default: 0
--face_enhance Whether to use GFPGAN to enhance face. Default: False
--fp32 Use fp32 precision during inference. Default: fp16 (half precision).
--ext Image extension. Options: auto | jpg | png, auto means using the same extension as inputs. Default: auto
可以写python脚本调用：
import time
import cv2
from basicsr.archs.rrdbnet_arch import RRDBNet
from realesrgan import RealESRGANer
if __name__ == '__main__':
outscale = 1.5
# RealESRGAN_x2plus
model = RRDBNet(num_in_ch=3, num_out_ch=3, num_feat=64, num_block=23, num_grow_ch=32, scale=2)
netscale = 2
# RealESRNet_x4plus
# model = RRDBNet(num_in_ch=3, num_out_ch=3, num_feat=64, num_block=23, num_grow_ch=32, scale=4)
# netscale = 4
model_path = 'weights/RealESRGAN_x2plus.pth'
# restorer
upsampler = RealESRGANer(
scale=netscale,
model_path=model_path,
dni_weight=1, # RealESRGAN_x2plus不需要这个参数
model=model,
tile=0,
tile_pad=10,
pre_pad=0,
half=True, # 半精度计算
gpu_id=0)
img = cv2.imread("./demo.jpg", cv2.IMREAD_COLOR)
print(img.shape)
start_time = time.time()
try:
output, _ = upsampler.enhance(img, outscale=outscale)
except RuntimeError as error:
print('Error', error)
print('If you encounter CUDA out of memory, try to set --tile with a smaller number.')
print("time:", time.time() - start_time)
print(output.shape)
cv2.imwrite("./demo2.jpg", output)
脚本是参考这个文件写的：
https://github.com/xinntao/Real-ESRGAN/blob/master/inference_realesrgan.py
其他介绍
AnimeVideo-v3模型是一个专注于动漫视频处理的小型模型。该模型的目标是通过实际算法实现对图像和视频的高效恢复。具体来说，它是Real-ESRGAN项目的一部分，Real-ESRGAN致力于开发通用图像/视频修复的实用算法。
Real-ESRGAN_x4plus_anime_6B是专门为动漫图像设计的插图模型。这个模型使用Real-ESRGAN框架，通过在纯合成数据上进行训练，实现对动漫图像的高倍超分辨率恢复。该模型的设计目的是提供对动漫插图的强大恢复能力。
项目提供了在线演示和Colab演示，方便用户在不同平台上体验Real-ESRGAN的功能。同时，还提供了适用于Intel/AMD/Nvidia GPU的可移植的Windows/Linux/MacOS可执行文件，使用户能够在本地环境中运行该模型。
Real-ESRGAN项目的核心理念是通过将ESRGAN（Enhanced Super-Resolution Generative Adversarial Network）技术扩展到实际的图像/视频修复应用中。ESRGAN是一种强大的图像超分辨率算法，Real-ESRGAN通过在纯合成数据上进行训练，使其更适用于实际应用场景。
项目作者感谢用户提供的宝贵反馈和建议，并将所有反馈整理在feedback.md文件中，以不断改进模型的性能和功能。
除了Real-ESRGAN，项目还推荐了其他相关项目，如GFPGAN（用于实际人脸修复的算法）、BasicSR（开源的图像和视频修复工具箱）、facexlib（提供有用的面部相关功能的集合）、HandyView（基于PyQt5的图像查看器）、HandyFigure（论文图形的开源项目）等，为用户提供了更多的选择和工具。
