开源项目推荐:Anime4K

开源项目推荐:Anime4K

Anime4K A High-Quality Real Time Upscaler for Anime Video Anime4K 项目地址: https://gitcode.com/gh_mirrors/an/Anime4K

Anime4K 是一个开源项目,旨在为动漫视频提供高质量实时放大和降噪算法。该项目主要使用 GLSL(OpenGL着色语言)进行编程。

项目基础介绍

Anime4K 是一组高质量实时动漫放大/降噪算法的开源实现,可以应用于任何编程语言。其简单性和速度允许用户在实时观看放大的动漫,同时保留了原始内容,并推崇所有动漫爱好者的选择自由。

核心功能

  • 高质量实时放大:Anime4K 能够将 1080p 的动漫实时放大至 4K 分辨率,同时提供与 SRGAN 类似的视觉效果。
  • 降噪算法:项目包含多种降噪算法,能够有效改善视频质量,消除噪声。
  • 优化算法:针对原生 1080p 动漫进行优化,尤其是采用 h.264、h.265 或 VC-1 编码的动漫。
  • 自定义组件:Anime4K 的算法被拆分为模块化组件,允许针对特定类型的动漫或个人喜好进行定制。

最近更新的功能

  • 线重构算法:最新版本引入了一种线重构算法,旨在解决在 1080p 动漫中观察到的分布偏移问题。这种算法明确校正了分布偏移,使得传统的 MSE SR 算法能够在各种动漫上工作。
  • 算法性能和效率的全面改进:Anime4K 的算法在速度、质量和效率方面进行了全面的改进,包括实时高质量的线艺术 CNN 放大器、线艺术去模糊着色器、降噪算法以及盲重采样 artifact 减少算法等。
  • 实验性线条加深和线条细化算法:为了提高感知质量,项目引入了线条加深和线条细化算法,使线条看起来更细、更暗,从而提高视觉效果。

通过这些更新,Anime4K 继续为动漫爱好者提供高质量的实时视频处理解决方案。

Anime4K A High-Quality Real Time Upscaler for Anime Video Anime4K 项目地址: https://gitcode.com/gh_mirrors/an/Anime4K

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

告别AV画质:实时把动画变成4k高清,延时仅3毫秒,登上GitHub趋势榜 量子位 量子位 ​ 已认证的官方帐号 7,564 人赞同了该文章 栗子 发自 凹非寺 量子位 出品 | 公众号 QbitAI △ 来自《珈百璃的堕落》 看动画 (特别是里番) 的时候,总会觉得画质不够好,就算已经有1080p,还是会感到不够清晰。 所以,这个世界十分需要一套拯救分辨率的魔法。 如今,有个名叫Anime4K的开源算法,能在动画播放中,实时把画面变成4k,延时低至3毫秒。 能把720p/1080p变成2160p,也能把480p变成1080p。 团队说,这是当下最强 (State-of-the-Art) 的动画实时超分辨率方法,可以拿任何编程语言实现。 现在,项目已经在GitHub摘下3700多颗星,并一度登上了趋势榜。 那么,这个算法究竟是如何造福人类的? 只搞动画 团队在论文里感慨道: 传统超分辨率算法 (如Bicubic) ,结果不怎么好,因为它们根本不是为了动画而生的。 传统的去模糊 (Unblurring) 或锐化 (Sharpening) 方式,在靠近物体边缘的时候会发生过冲 (Overshoot) ,分散观众注意力,降低图像的感知质量 (Perceptual Quality) 。 而机器学习方法 (如waifu2x) 又太慢,完全不能实时 (<30毫秒) ,尤其是需要超高清的时候。 △ waifu2x 而Anime4K,只处理动画就够了,不考虑其他视频类型。这一点很重要。 动画没有真实视频那么多纹理 (Textures) ,基本都是用平直着色法 (Flat Shading) 处理的物体和线条。 只要画质变好一点点,观众也看得出。所以团队机智地想到,不用做整张的画质提升,专注于细化边缘就可以了,纹理之类的细节不重要。 具体怎样做,要从超分辨率的原理开始讲: 首先,一张图可以分为两部分: 一是低频分量,就是一张模糊的低分辨率图。二是高频残差,代表两种分辨率之间的差别 (Difference) 。 输入一张低清图,把它变成一个更低清的版本,就能得出一个残差。 把残差变薄 (Thin) 、锐化 (Sharpen) ,再加到低清图上,就能得到一张高清图。 但残差稍稍有点错误,就会造成振铃和过冲,影响效果。这也是前辈的缺陷所在。 于是,团队找到了一种新方法: 首先把残差厚度最小化当做目标,这个没有问题。 但直接把随意变换(Arbitrarily Transformed)得到的残差,用到一张低清图上是不行的。低清图要做出相应改变,才能与残差和平相处,得出理想的超分辨率结果。 所以,当输入一张图和它的残差之后,“push”残差的像素,让残差线变细; 同时,每做一个push,都要在彩色的低清图上,执行一个相同的操作。 这样,既能把模糊最小化,也不会出现振铃和过冲,这两个降低画质的现象。 比一比吧 这场比赛,Anime4K (最右) 的对手有:来自madVR的不开源算法NGU前辈 (左二) ,以及开源的机器学习算法waifu2x前辈 (左三) 。 第一题,眼睛: 第二题,耳朵: 第三题,玉手: 第四题,全脸: waifu2x前辈的效果,明显不及Anime4K,常见虚影。速度也有明显缺陷,每张图耗时超过1秒。 NGU前辈生成的画质,与Anime4K相近,但也常常被Anime4K打败。 不止如此,NGU每张耗时~6毫秒,Anime4K只要~3毫秒,快了一倍,更加适应实时生成的需求了。 效果相近的话,为啥不直接用NGU?因为不开源。 如果,你觉得720p/1080p的动画,没必要变成4K这么奢侈,那还可以把480p拯救到1080p啊: 依然,Anime4K和没开源的NGU不相上下。 最后,尽管已经获得了精湛的画质提升技能,团队也没有就此抛弃机器学习的力量。 因为在拯救静止画作 (而非动画) 的时候,Anime4K的短板显现了。这时候,让机器学习选手waifu2x和它并肩作战,更加成功一些: 需要实时给动画提升分辨率,还是只用Anime4K吧。 反正也已经开源了。 项目传送门: bloc97/Anime4K ​ github.com 图标 论文传送门: https://github.com/bloc97/Anime4K/blob/master/Preprint.md ​ github.com — 完 —
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

符凡言Elvis

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值