---
title: cv_bilibili_image-super-resolution
canonical_url: "https://www.modelscope.cn/models/bilibili/cv_bilibili_image-super-resolution"
md_url: "https://www.modelscope.cn/models/bilibili/cv_bilibili_image-super-resolution.md"
repository: bilibili/cv_bilibili_image-super-resolution
chinese_name: "RealCUGAN图像超分辨率"
last_updated: 2023-03-10
license: "Apache License 2.0"
pipeline_tag: image-super-resolution
tasks:
- image-super-resolution
library_name:
- pytorch
frameworks:
- pytorch
domain:
- CV
downloads: 1715432
stars: 34
tags:
- Bilibili
- Real-CUGAN
- "超分辨率"
- "图像"
- "视频"
---
# cv_bilibili_image-super-resolution
> cv_bilibili_image-super-resolution - bilibili 在 ModelScope 开源的模型。todo
bilibili/cv_bilibili_image-super-resolution 是 ModelScope 魔搭社区上的image-super-resolution模型，采用 Apache License 2.0 许可。
- **Repository**: bilibili/cv_bilibili_image-super-resolution
- **License**: Apache License 2.0
- **Tasks**: image-super-resolution
- **Tags**: Bilibili, Real-CUGAN, 超分辨率, 图像, 视频
- **Downloads**: 1715432
- **Stars**: 34
- **Last updated**: 2023-03-10
Source: https://www.modelscope.cn/models/bilibili/cv_bilibili_image-super-resolution
---
# 集成中
中文 | 英文 | GitHub
# 图像超分辨率介绍
输入低分辨率图片，返回超高超分辨率后的高清晰图片。🔥Real-CUGAN🔥 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。
## 模型描述
介绍该模型的基础信息、模型特征、模型架构等。
## 期望模型使用方式以及适用范围
本模型适用范围较广，给定任意的低分辨率图片，都能生成一张高达4倍超分辨率后的高清晰度图片。
### 如何使用
在ModelScope框架上，提供低分辨图片，即可以通过简单的Pipeline调用来使用图像超分辨率模型。
#### 代码范例
`导入ms_wrapper注册脚本 (注，若要尝试其它模型，可在configuration.json中修改模型初始化参数)`
```python
from modelscope.hub.snapshot_download import snapshot_download
model_path = snapshot_download('bilibili/cv_bilibili_image-super-resolution', revision='v0.1')
import sys
sys.path.insert(0, model_path)
import ms_wrapper
from modelscope.pipelines import pipeline
file_path = f"{model_path}/demos/title-compare1.png"
weight_path = f"{model_path}/weights_v3/up2x-latest-denoise3x.pth"
inference = pipeline('image-super-resolution', model='bilibili/cv_bilibili_image-super-resolution', weight_path=weight_path, half=False) # GPU环境可以设置为True
output = inference(file_path,tile_mode=0,cache_mode=1,alpha=1)
import matplotlib.pyplot as plt
plt.imshow(output)
```
### 模型局限性以及可能的偏差
介绍模型适用的场景，以及在哪些场景可能存在局限性，以及模型在构造训练过程中， 本身可能带有的，由于训练数据以及训练方法等因素引入的偏向性。
## 数据评估及结果
- **效果图对比** (推荐点开大图在原图分辨率下对比)
纹理挑战型(注意地板纹理涂抹)(图源:《侦探已死》第一集10分20秒)
线条挑战型(注意线条中心与边缘的虚实)(《东之伊甸》第四集7分30秒)
极致渣清型(注意画风保留、杂线、线条)(图源:Real-ESRGAN官方测试样例)
景深虚化型(蜡烛为后景，刻意加入了虚化特效，应该尽量保留原始版本不经过处理)(图源:《～闘志の華～戦国乙女2ボナ楽曲PV》第16秒)
- **详细对比**
| | 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 |
### 相关论文以及引用信息
如果本模型有相关论文发表，或者是基于某些论文的结果，可以在这里 提供Bibtex格式的参考文献。