Real ESRGAN

Real-ESRGAN

Implementación en PyTorch de un modelo Real-ESRGAN entrenado en un conjunto de datos personalizado. Este modelo muestra mejores resultados en caras en comparación con la versión original. También es más fácil integrar este modelo en sus proyectos.

Esta no es una implementación oficial. Usamos parcialmente código del repositorio original.

Real-ESRGAN es un ESRGAN actualizado entrenado con datos sintéticos puros que es capaz de mejorar los detalles y al mismo tiempo eliminar artefactos molestos para imágenes comunes del mundo real.

Puedes probarlo en google colab.

• Artículo (Real-ESRGAN: Entrenamiento de superresolución ciega en el mundo real con datos sintéticos puros)
• Implementación original
• ¿Cara de abrazo?

Instalación

pip install git+https://github.com/sberbank-ai/Real-ESRGAN.git

Uso

---

Uso básico:

 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' )

Ejemplos

---

Imagen de baja calidad:

Resultado real-ESRGAN:

---

Imagen de baja calidad:

Resultado real-ESRGAN:

---

Imagen de baja calidad:

Resultado real-ESRGAN: