使用 ncnn 库实现的 RealSR 超分辨率
ncnn 通过内核估计和噪声注入实现真实世界的超分辨率 realsr-ncnn-vulkan 使用 ncnn 项目 作为通用的 神经网络 推理框架。
下载适用于 Intel/AMD/Nvidia GPU 的 Windows/Linux/MacOS 可执行文件 https://github.com/nihui/realsr-ncnn-vulkan/releases 此包包括所需的所有二进制文件和模型。它是可移植的，因此不需要 CUDA 或 Caffe 运行时环境 :)
通过内核估计和噪声注入实现真实世界的超分辨率 (CVPRW 2020) https://github.com/jixiaozhong/RealSR 季小忠,曹云,太英,王承杰,李吉林,黄飞越 Tencent YouTu 实验室
我们的解决方案是 CVPR NTIRE 2020 挑战赛在两个赛道中都获得的真实世界超分辨率冠军。
input-path 和 output-path 支持文件路径或目录路径scale = 缩放级别, 4 = 4 倍放大tile-size = 图块大小, 使用较小的值可减少 GPU 内存使用, 默认值会自动选择load:proc:save = 三个阶段的线程数(图像解码 + 真正的放大 + 图像编码), 使用较大的值可能会增加 GPU 使用率并消耗更多 GPU 内存。对于许多小尺寸图像, 可以使用 "4:4:4" 来调整此配置, 对于大尺寸图像, 可以使用 "2:2:2"。默认设置通常适用于大多数情况。如果您发现 GPU 资源不足, 可以尝试增加线程数以实现更快的处理速度。如果遇到崩溃或错误,请尝试升级您的 GPU 驱动程序:
暂无开放 Issues，或尚未同步最近议题。