低清图片放大4倍Real-ESRGAN从安装到调参【免费下载链接】Real-ESRGANReal-ESRGAN aims at developing Practical Algorithms for General Image/Video Restoration.项目地址: https://gitcode.com/gh_mirrors/re/Real-ESRGAN一张模糊的低分辨率图片要放大打印或上屏双三次插值只会让模糊更明显。Real-ESRGAN 是腾讯 ARC 的图像复原算法能把低清图放大 4 倍并重建纹理细节动漫图、动漫视频也有专门模型。Real-ESRGAN 是什么它是一组实用导向的超分算法只用纯合成数据训练换到真实照片上直接可用。几个可查证的事实模型默认输出 4 倍放大另有 X2 模型--outscale可指定任意倍数内置 6 个预训练模型覆盖通用图、动漫图、动漫视频推理脚本默认支持带 alpha 通道、灰度、16-bit 图像默认用 fp16 半精度推理省显存、速度快左为双三次插值右为 Real-ESRGAN 放大 4 倍的结果3 条命令拿到增强结果环境要求 Python 3.7、PyTorch 1.7建议先用 conda 建一个独立环境。git clone https://gitcode.com/gh_mirrors/re/Real-ESRGAN cd Real-ESRGAN运行后仓库克隆到本地Real-ESRGAN目录后续命令都在这个目录里执行。pip install basicsr facexlib gfpgan pip install -r requirements.txt python setup.py developbasicsr 是底层的图像复原框架facexlib、gfpgan 提供人脸增强。运行完成后项目以开发模式安装可以直接import realesrgan。python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs运行后脚本先把模型权重下载到weights/已有则跳过再逐张处理inputs/下的图片结果写入results/文件名加_out后缀。只处理单张图时把-i换成具体文件路径即可。该选哪个模型-n参数决定用哪个模型内容类型不同最优选择不同使用场景推荐模型理由通用照片、老照片RealESRGAN_x4plus默认23 个 RRDB 块纹理重建最稳有人脸的人像RealESRGAN_x4plus--face_enhanceGFPGAN 单独补人脸细节动漫插图RealESRGAN_x4plus_anime_6B仅 6 个 RRDB 块网络更小、保留线稿动漫视频realesr-animevideov3XS 最小规格适合逐帧处理显存小、批量快跑realesr-general-x4v3S 规格小模型支持-dn调去噪强度求快、要平滑观感RealESRNet_x4plusMSE loss 训练输出偏平滑over-smooth注意--face_enhance只适用于真实人脸对动漫图无效配动漫模型时脚本会自动关掉它。4 个常用参数怎么调--tile 400按 400×400 像素分块推理是压低显存的关键-dn 0.7去噪强度0 保留噪点、1 强去噪仅realesr-general-x4v3有效--outscale 3.5最终输出倍数模型出 4 倍后再做一次 LANCZOS 缩放--fp32改用全精度CPU 下算子报错时使用python inference_realesrgan.py -n RealESRGAN_x4plus -i big.jpg --tile 400 python inference_realesrgan.py -n realesr-general-x4v3 -i inputs -dn 0.3第一条让大图分块通过第二条把去噪强度降到 0.3保留更多原始纹理。显存不够怎么办现象报错出现CUDA out of memory。原因脚本默认把整张图塞进显存一次推理大图直接超限。解决加--tile 400分块处理仍超就继续调小或换更小的realesr-general-x4v3。现象CPU 上跑报slow_conv2d_cpu not implemented for Half。原因默认 fp16 半精度部分算子在 CPU 上没有实现。解决命令加--fp32。现象结果发塑料感、细节被抹平。原因去噪过强或选了偏平滑的模型。解决realesr-general-x4v3把-dn降到 0.3 左右或换回RealESRGAN_x4plus。动漫视频怎么增强用inference_realesrgan_video.py直接吃视频文件ffmpeg 解码、逐帧超分、再编码回results/音轨保留。python inference_realesrgan_video.py -n realesr-animevideov3 -i inputs/video -o results_video仓库自带的inputs/video/onepiece_demo.mp4可直接用来试跑。检测到多张 GPU 时脚本会自动把视频拆成子片段并行处理最后用 ffmpeg 拼接回去。用自己的数据训练与二开手头有某领域高清图工业质检、医疗等时可以在现有权重上微调用scripts/generate_meta_info.py生成训练图像的清单 txt把options/train_realesrgan_x4plus.yml里的数据目录改成自己的路径运行realesrgan/train.py -opt options/train_realesrgan_x4plus.yml开训两阶段流程先 L1 训练 Real-ESRNet再加感知和 GAN loss 训 Real-ESRGAN见 docs/Training.md核心代码在realesrgan/目录archs/srvgg_arch.py是 VGG 系小网络结构utils.py里的RealESRGANer是推理封装做二次开发直接调用它。不想配 Python 环境的话README 提到的 ncnn-vulkan 可执行文件不需要 CUDA但不支持--outscale这类参数。接下来做什么跑一遍默认命令挑inputs/里一张图对照results/里的结果看放大 4 倍后的细节常处理动漫内容的换RealESRGAN_x4plus_anime_6B再跑一遍对比大图先带--tile 400确认不爆显存再按需去掉资源导航常见问题docs/FAQ.md模型列表与下载说明docs/model_zoo.md训练教程docs/Training.md图像推理脚本inference_realesrgan.py视频推理脚本inference_realesrgan_video.py【免费下载链接】Real-ESRGANReal-ESRGAN aims at developing Practical Algorithms for General Image/Video Restoration.项目地址: https://gitcode.com/gh_mirrors/re/Real-ESRGAN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
