【亲测免费】 Real-ESRGAN 使用教程

项目介绍

Real-ESRGAN 是一个基于 PyTorch 的开源项目，旨在开发适用于一般图像/视频恢复的实用算法。该项目扩展了强大的 ESRGAN，通过使用纯合成数据训练，将其转化为一个实用的恢复应用。Real-ESRGAN 能够处理包括超分辨率、图像修复和去噪等多种任务，特别适用于动漫图像和视频的增强。

项目快速启动

安装依赖

首先，克隆项目仓库并安装必要的依赖包：

git clone https://github.com/xinntao/Real-ESRGAN.git
cd Real-ESRGAN

# 安装 basicsr
pip install basicsr

# 安装 facexlib 和 gfpgan 用于面部增强
pip install facexlib gfpgan

# 安装项目依赖
pip install -r requirements.txt

# 设置项目
python setup.py develop

快速推理

使用以下命令进行快速推理：

# 下载模型
wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.2.2.4/RealESRGAN_x4plus_anime_6B.pth -P weights

# 进行推理
python inference_realesrgan.py -n RealESRGAN_x4plus_anime_6B -i inputs

推理结果将保存在 results 文件夹中。

应用案例和最佳实践

动漫图像增强

Real-ESRGAN 特别适用于动漫图像的增强。以下是一个典型的应用案例：

1. 输入图像准备：选择一张低分辨率的动漫图像。
2. 模型选择：使用 RealESRGAN_x4plus_anime_6B 模型。
3. 执行推理：运行上述推理命令，输入图像将被增强至更高分辨率。

视频增强

对于视频增强，可以使用 Real-ESRGAN 的视频处理脚本：

python inference_realesrgan_video.py -n RealESRGAN_x4plus_anime_6B -i input_video.mp4

典型生态项目

GFPGAN

GFPGAN 是一个实用的真实世界面部恢复算法，与 Real-ESRGAN 结合使用，可以进一步提升图像中人脸的清晰度和细节。

BasicSR

BasicSR 是一个开源的图像和视频恢复工具箱，提供了丰富的功能和工具，支持多种恢复任务。

facexlib

facexlib 提供了一系列有用的面部相关功能，可以与 Real-ESRGAN 结合使用，增强图像处理的效果。

通过这些生态项目的结合使用，可以构建出更加强大和全面的图像和视频处理解决方案。