enhancr
Release - 0.9.9 +
enhancr عبارة عن واجهة مستخدم رسومية أنيقة وسهلة الاستخدام لاستيفاء إطار الفيديو ورفع مستوى الفيديو ، وهي تستفيد من الذكاء الاصطناعي الذي تم إنشاؤه باستخدام Node.js و Electron . تم إنشاؤه لتعزيز تجربة المستخدم لأي شخص مهتم بتعزيز لقطات الفيديو باستخدام الذكاء الاصطناعي. تم تصميم واجهة المستخدم الرسومية لتوفير تجربة مذهلة مدعومة بأحدث التقنيات دون الشعور بأنها قديمة الطراز مثل البدائل الأخرى.
إنه يتميز باستدلال TensorRT فائق السرعة بواسطة NVIDIA، والذي يمكنه تسريع عمليات الذكاء الاصطناعي بشكل كبير . معبأ مسبقًا، دون الحاجة إلى تثبيت Docker أو WSL (نظام Windows الفرعي لنظام التشغيل Linux) - واستدلال NCNN بواسطة Tencent وهو خفيف الوزن ويعمل على NVIDIA و AMD وحتى Apple Silicon - على عكس عملاق الاستدلال PyTorch، والذي يعمل فقط على وحدات معالجة الرسومات NVIDIA .
الإصدار 0.9.9 يتميز بنسخة مجانية؟ https://dl.enhancr.app/setup/enhancr-setup-free-0.9.9.exe
للتأكد من أن لديك أحدث إصدار من البرنامج وجميع التبعيات الضرورية، نوصي بتنزيل برنامج التثبيت من Patreon. يرجى ملاحظة أنه لا يتم توفير الإصدارات وبيئة بايثون القابلة للتضمين للإصدار Pro من خلال هذا المستودع.
RIFE (NCNN) - megvii-research/ ECCV2022-RIFE - مدعوم من styler00dollar/ VapourSynth-RIFE-NCNN-Vulkan
RIFE (TensorRT) - megvii-research/ ECCV2022-RIFE - مدعوم من AmusementClub/ vs-mlrt & styler00dollar/ VSGAN-tensorrt-docker
GMFSS - Union (PyTorch/TensorRT) - 98mxr/ GMFSS_Union - مدعوم من HolyWu/ vs-gmfss_union
GMFSS - Fortuna (PyTorch/TensorRT) - 98mxr/ GMFSS_Fortuna - مدعوم من HolyWu/ vs-gmfss_fortuna
CAIN (NCNN) - myungsub/ CAIN - مدعوم من mafiosnik/ vsynth-cain-NCNN-vulkan (لم يتم إصداره)
CAIN (DirectML) - myungsub/ CAIN - مدعوم من AmusementClub/ vs-mlrt
CAIN (TensorRT) - myungsub/ CAIN - مدعوم من HubertSotnowski/ cain-TensorRT
ShuffleCUGAN (NCNN) - styler00dollar/ VSGAN-tensorrt-docker - مدعوم من AmusementClub/ vs-mlrt
ShuffleCUGAN (TensorRT) - styler00dollar/ VSGAN-tensorrt-docker - مدعوم من AmusementClub/ vs-mlrt
RealESRGAN (NCNN) - xinntao/ Real-ESRGAN - مدعوم من AmusementClub/ vs-mlrt
RealESRGAN (DirectML) - xinntao/ Real-ESRGAN - مدعوم من AmusementClub/ vs-mlrt
RealESRGAN (TensorRT) - xinntao/ Real-ESRGAN - مدعوم من AmusementClub/ vs-mlrt
RealCUGAN (TensorRT) - bilibili/ ailab/Real-CUGAN - مدعوم من AmusementClub/ vs-mlrt
SwinIR (TensorRT) - JingyunLiang/ SwinIR - مدعوم من mafiosnik777/ SwinIR-TensorRT (لم يتم طرحه)
DPIR (DirectML) - cszn/ DPIR - مدعوم من AmusementClub/ vs-mlrt
DPIR (TensorRT) - cszn/ DPIR - مدعوم من AmusementClub/ vs-mlrt
SCUNet (TensorRT) - cszn/ SCUnet - مدعوم من mafiosnik777/ SCUNet-TensorRT (لم يتم طرحه)
ملاحظة جانبية: بدءًا من TensorRT 8.6، تم إسقاط دعم الجيل الثاني من Kepler وMaxwell (السلسلة 900 وما دونها). ستحتاج على الأقل إلى وحدة معالجة الرسومات Pascal (سلسلة 1000 وما فوق) وإصدار برنامج التشغيل CUDA 12.0 + >= 525.xx لتشغيل الاستدلال باستخدام TensorRT.
تم إنشاء واجهة المستخدم الرسومية مع مراعاة التوافق عبر الأنظمة الأساسية وهي متوافقة مع كلا نظامي التشغيل. ينصب تركيزنا الأساسي في الوقت الحالي على ضمان حل مستقر ويعمل بكامل طاقته لمستخدمي Windows، ولكن سيتم توفير دعم Linux وmacOS مع التحديث 1.0.
ومن المقرر أيضًا دعم Apple Silicon، ولكن ليس لدي حاليًا سوى جهاز Intel Macbook Pro متاح للاختبار سأحصل على مثيل Apple Silicon على Amazon AWS لتنفيذ ذلك، في الوقت المناسب لإصدار 1.0.
حجم الإدخال: 1920 × 1080 @ 2x
| آر تي إكس 2060 إس 1 | آر تي إكس 3070 2 | آر تي إكس إيه 4000 3 | آر تي إكس 3090 تي آي 4 | آر تي إكس 4090 5 | |
|---|---|---|---|---|---|
| رايف / رايف-v4.6 (NCNN) | 53.78 إطارًا في الثانية | 64.08 إطارًا في الثانية | 80.56 إطارًا في الثانية | 86.24 إطارًا في الثانية | 136.13 إطارًا في الثانية |
| RIFE / rife-v4.6 (TensorRT) | 70.34 إطارًا في الثانية | 94.63 إطارًا في الثانية | 86.47 إطارًا في الثانية | 122.68 إطارًا في الثانية | 170.91 إطارًا في الثانية |
| كاين/cvp-v6 (NCNN) | 9.42 إطارًا في الثانية | 10.56 إطارًا في الثانية | 13.42 إطارًا في الثانية | 17.36 إطارًا في الثانية | 44.87 إطارًا في الثانية |
| كاين/cvp-v6 (TensorRT) | 45.41 إطارًا في الثانية | 63.84 إطارًا في الثانية | 81.23 إطارًا في الثانية | 112.87 إطارًا في الثانية | 183.46 إطارًا في الثانية |
| GMFSS/أعلى (PyTorch) | - | - | 4.32 إطارًا في الثانية | - | 16.35 إطارًا في الثانية |
| GMFSS / الاتحاد (PyTorch) | - | - | 3.68 إطارًا في الثانية | - | 13.93 إطارًا في الثانية |
| GMFSS / الاتحاد (TensorRT) | - | - | 6.79 إطارًا في الثانية | - | - |
| RealESRGAN / Animevideov3 (TensorRT) | 7.64 إطارًا في الثانية | 9.10 إطارًا في الثانية | 8.49 إطارًا في الثانية | 18.66 إطارًا في الثانية | 38.67 إطارًا في الثانية |
| ريل كوغان (تينسور آر تي) | - | - | 5.96 إطارًا في الثانية | - | - |
| سوينير (بايتورتش) | - | - | 0.43 إطارًا في الثانية | - | - |
| DPIR / دينواز (TensorRT) | 4.38 إطارًا في الثانية | 6.45 إطارًا في الثانية | 5.39 إطارًا في الثانية | 11.64 إطارًا في الثانية | 27.41 إطارًا في الثانية |
1 Ryzen 5 3600X – Gainward RTX 2060 Super @ Stock
2 Ryzen 7 3800X - جيجابايت RTX 3070 Eagle OC @ Stock
3 رايزن 5 3600X - PNY RTX A4000 @ المخزون
4 i9 12900KF - ASUS RTX 3090 Ti Strix OC @ ~2220MHz
5 Ryzen 9 5950X - ASUS RTX 4090 Strix OC - @ ~3100MHz مع منحنى لتحقيق أقصى قدر من الأداء
تم نقل هذا القسم إلى الويكي: https://github.com/mafiosnik777/enhancr/wiki
يمكنك التحقق من ذلك لمعرفة المزيد حول تحقيق أقصى استفادة من المحسن أو كيفية إصلاح المشكلات المختلفة.
TensorRT هو وقت تشغيل محسّن للغاية لاستدلال الذكاء الاصطناعي لوحدات معالجة الرسومات NVIDIA. فهو يستخدم قياس الأداء للعثور على النواة المثالية لاستخدامها في وحدة معالجة الرسومات الخاصة بك، وهناك خطوة إضافية لإنشاء محرك على الجهاز الذي ستقوم بتشغيل الذكاء الاصطناعي عليه. ومع ذلك، فإن الأداء الناتج يكون عادةً أفضل بكثير من أي تطبيق PyTorch أو NCNN.
NCNN عبارة عن إطار عمل حوسبة استدلالي للشبكة العصبية عالي الأداء مُحسّن لمنصات الأجهزة المحمولة. ليس لدى NCNN أي تبعيات لطرف ثالث. إنه متعدد المنصات، ويعمل بشكل أسرع من جميع أطر العمل مفتوحة المصدر المعروفة على معظم المنصات الرئيسية. وهو يدعم NVIDIA وAMD وIntel Graphics وحتى Apple Silicon. يتم استخدام NCNN حاليًا في العديد من تطبيقات Tencent، مثل QQ وQzone وWeChat وPitu وما إلى ذلك.
سأكون ممتنًا إذا تمكنت من إظهار دعمك لهذا المشروع من خلال المساهمة على Patreon أو من خلال التبرع على PayPal. سيساعد دعمك في تسريع عملية التطوير وجلب المزيد من التحديثات للمشروع. بالإضافة إلى ذلك، إذا كانت لديك المهارات، يمكنك أيضًا المساهمة عن طريق فتح طلب سحب. بغض النظر عن شكل الدعم الذي تختار تقديمه، فاعلم أنه موضع تقدير كبير.
أعمل باستمرار على تحسين قاعدة التعليمات البرمجية، بما في ذلك معالجة أي تناقضات قد تنشأ بسبب ضيق الوقت. سيتم إصدار تحديثات منتظمة، بما في ذلك الميزات الجديدة وإصلاحات الأخطاء ودمج التقنيات والنماذج الجديدة عندما تصبح متاحة. شكرا لتفهمك ودعمك.
يعتمد لاعبنا على mpv وModernX لـ OSC.
شكرًا لـ HubertSontowski وstyler00dollar للمساعدة في تنفيذ CAIN.
للتفاعل مع المجتمع ومشاركة نتائجك أو للحصول على المساعدة عند مواجهة أي مشاكل قم بزيارة ديسكورد لدينا. سيتم عرض معاينات الإصدارات القادمة هناك أيضًا.
