【图片、视频修复】Real-CUGAN的简单使用

文章目录

• • • 1. 效果对比
    • 2. Win使用简介
    • • 超分工具：
      • 系统环境：
      • 使用config文件说明：
      • a. 通用参数设置
      • b. 超视频设置
      • 模型分类说明：
    • 3. 实际操作
    • • 模型存放：
      • 修改参数：
      • 运行模型：
    • 4. 总结

🔥 Real-CUGAN🔥 全名Real Cascade U-Nets for Anime Image Super Resolution，是一个使用百万级动漫数据进行训练的，结构与Waifu2x兼容的通用动漫图像超分辨率模型。它支持 2x\3x\4x倍超分辨率，其中2倍模型支持4种降噪强度与保守修复，3倍/4倍模型支持2种降噪强度与保守修复。

1. 效果对比

	Waifu2x(CUNet)	Real-ESRGAN(Anime6B)	Real-CUGAN
训练集	私有二次元训练集，量级与质量未知	私有二次元训练集，量级与质量未知	百万级高清二次元patch dataset
推理耗时(1080P)	Baseline	2.2x	1x
效果(见对比图)	无法去模糊，artifact去除不干净	锐化强度最大，容易改变画风，线条可能错判， 虚化区域可能强行清晰化	更锐利的线条，更好的纹理保留，虚化区域保留
兼容性	大量windows-APP使用，VapourSynth支持， Caffe支持，PyTorch支持，NCNN支持	PyTorch支持，VapourSynth支持，NCNN支持	同Waifu2x，结构相同，参数不同，与Waifu2x无缝兼容
强度调整	仅支持多种降噪强度	不支持	已完成4种降噪程度版本和保守版，未来将支持调节不同去模糊、 去JPEG伪影、锐化、降噪强度
尺度	仅支持1倍和2倍	仅支持4倍	已支持2倍、3倍、4倍，1倍训练中

2. Win使用简介

修改config.py配置参数，双击go.bat运行

• 超分工具：

  百度网盘🔗｜GithubRelease 🔗 | 和彩云(提取码baRo,手机号验证码登录,不限速无需客户端) 🔗｜ GoogleDrive 🔗

  以Gihthub为例：
  

• 系统环境：

  • ✔️ 在win10-64bit系统下进行测试
  • ✔️ 小包需求系统cuda >= 10.0. 【大包需求系统cuda >= 11.1】
  • ❗️ 注意30系列 nvidia GPU 只能用大包.

• 使用config文件说明：

  a. 通用参数设置

  • mode: 在其中填写video或者image决定超视频还是超图像；

  • scale: 超分倍率；

  • model_path: 填写模型参数路径(目前3倍4倍超分只有3个模型，2倍有4个不同降噪强度模型和1个保守模型)；

  • device: 显卡设备号。如果有多卡超图片，建议手工将输入任务平分到不同文件夹，填写不同的卡号；

  • 超图像，需要填写输入输出文件夹；超视频，需要指定输入输出视频的路径。

  • ❗️ 如果使用windows路径，需要在双引号前加r

  b. 超视频设置

  • nt: 每张卡的线程数，如果显存够用，建议填写>=2

  • n_gpu: 显卡数；

  • encode_params: 编码参数 {crf，preset}

    crf: 通俗来讲，crf变低=高码率高质量
    
    preset: 越慢代表越低编码速度越高质量+更吃CPU，CPU不够应该调低级别，比如slow，medium，fast，faster

  • half: 半精度推理，不建议关闭

  • tile: 有6种模式，数字越大显存需求越低，相对地可能会小幅降低推理速度 {0, 1, 2, 3, 4, auto}
    

    0: 直接使用整张图像进行推理，大显存用户或者低分辨率需求可使用
    
    1: 对长边平分切成两块推理（95%，显存占用，下同）
    
    2: 宽高分别平分切成两块推理（81%）
    
    3: 宽高分别平分切成三块推理（61%）
    
    4: 宽高分别平分切成四块推理（54%）
    
    auto: 当输入图片文件夹图片分辨率不同时，填写auto自动调节不同图片tile模式，未来将支持该模式。

• 模型分类说明：

  • 降噪版：如果原片噪声多，压得烂，推荐使用；目前2倍模型支持了3个降噪等级；
  • 无降噪版：如果原片噪声不多，压得还行，但是想提高分辨率/清晰度/做通用性的增强、修复处理，推荐使用；
  • 保守版：如果你担心丢失纹理，担心画风被改变，担心颜色被增强，总之就是各种担心AI会留下浓重的处理痕迹，推荐使用该版本。

搬运自https://github.com/bilibili/ailab/blob/main/Real-CUGAN/README.md

3. 实际操作

• 模型存放：

  将 updated_weights.zip 下载后新建 weights_v3 文件夹，将模型解压进去
  

• 修改参数：

  打开config.py，修改参数，里面的备注写的很清楚了，一般只用修改scale、tile、nt三个参数，文件夹路径自己输入即可，想使用别的model的话直接修改即可，以下是我的修改结果。

#超分倍率
scale=4

#参数路径，可更换
model_path2 = r"E:\fenbianlv\RealCUGAN_for_win10_torch1.10.0cu111\weights_v3\up2x-latest-no-denoise.pth"
# model_path2 = "weights_v3/up2x-latest-denoise3x.pth"e
model_path3 = r"E:\fenbianlv\RealCUGAN_for_win10_torch1.10.0cu111\weights_v3\up3x-latest-denoise3x.pth"
model_path4 = r"E:\fenbianlv\RealCUGAN_for_win10_torch1.10.0cu111\weights_v3\up4x-latest-no-denoise.pth"

#超分模式，视频or图像文件夹
mode="image"#video#image

#早期显卡开半精度不会提速，但是开半精度可以省显存。
half=True
#tile分为0~4一共5个mode。0在推理时不对图像进行切块，最占内存，mode越提升越省显存，但是可能会降低GPU利用率，降低推理速度
tile=4

#超图像设置
device="cuda:0"#0代表卡号，多卡的话可以写不同config并行开，显存多的话一张卡也可以开多个
input_dir=r"E:\fenbianlv\RealCUGAN_for_win10_torch1.10.0cu111\picture"#输入图像路径
output_dir=r"E:\fenbianlv\RealCUGAN_for_win10_torch1.10.0cu111\output"#超分图像输出路径

#超视频设置
inp_path="../东之伊甸4raw-clip10s.mp4"
opt_path="../东之伊甸4raw-clip10s-2x.mp4"
#线程数：6G显存<=720P可写2,6G显存+1080P写1,12G可写2，24G可写4，边缘显存量爆显存降低线程数
nt=2
#显卡数
n_gpu=1
#别乱动
p_sleep=(0.005,0.012)
decode_sleep=0.002
#编码参数，不懂别乱动;通俗来讲，crf变低=高码率高质量，slower=低编码速度高质量+更吃CPU，CPU不够应该调低级别，比如slow，medium，fast，faster
encode_params=['-crf', '18', '-preset', 'medium']

• 运行模型：

  将要超分的图片放入picture文件夹中，运行go.bat，如果显存没超的话，运行完如下图所示。
  ps：我的3060爆了好多次显存，等开学了用3080跑一下试试。
  最后的对比图来啦：
  原图：
  
  超分后：
  

4. 总结

最后的成图确实惊艳到我了，不得不说叔叔还是懂大家，现在坐等更新新的模型。