PyTorch-Implementierung eines Real-ESRGAN-Modells, das auf einem benutzerdefinierten Datensatz trainiert wurde. Dieses Modell zeigt im Vergleich zur Originalversion bessere Ergebnisse bei Gesichtern. Außerdem ist es einfacher, dieses Modell in Ihre Projekte zu integrieren.
Dies ist keine offizielle Implementierung. Wir verwenden teilweise Code aus dem Original-Repository
Real-ESRGAN ist ein verbessertes ESRGAN, das mit rein synthetischen Daten trainiert wurde und in der Lage ist, Details zu verbessern und gleichzeitig störende Artefakte für gängige Bilder aus der realen Welt zu entfernen.
Sie können es in Google Colab versuchen
pip install git+https://github.com/sberbank-ai/Real-ESRGAN.git
Grundlegende Verwendung:
import torch
from PIL import Image
import numpy as np
from RealESRGAN import RealESRGAN
device = torch . device ( 'cuda' if torch . cuda . is_available () else 'cpu' )
model = RealESRGAN ( device , scale = 4 )
model . load_weights ( 'weights/RealESRGAN_x4.pth' , download = True )
path_to_image = 'inputs/lr_image.png'
image = Image . open ( path_to_image ). convert ( 'RGB' )
sr_image = model . predict ( image )
sr_image . save ( 'results/sr_image.png' )
Bild mit geringer Qualität:
Real-ESRGAN-Ergebnis:
Bild mit geringer Qualität:
Real-ESRGAN-Ergebnis:
Bild mit geringer Qualität:
Real-ESRGAN-Ergebnis: