enhancr
Release - 0.9.9 +
enhancr は、 node.jsとElectron を使用して構築された人工知能を活用する、ビデオ フレーム補間とビデオ アップスケーリングのためのエレガントで使いやすいGUI です。これは、人工知能を使用してビデオ映像を強化することに興味があるすべてのユーザーのユーザー エクスペリエンスを向上させるために作成されました。 GUI は、他の代替手段のようにぎこちなく時代遅れに感じることなく、最先端のテクノロジーを活用した素晴らしいエクスペリエンスを提供するように設計されています。
NVIDIA による超高速TensorRT推論を備えており、AI プロセスを大幅に高速化できます。 Docker や WSL (Linux 用 Windows サブシステム) をインストールする必要がなく、事前にパッケージ化されています。また、Tencent によるNCNN推論は、軽量でNVIDIA 、 AMD 、さらにはApple Silicon上でも実行できます。PyTorch の巨大な推論とは対照的に、 NVIDIA GPU でのみ実行されます。
リリース 0.9.9 には無料版がありますか? https://dl.enhancr.app/setup/enhancr-setup-free-0.9.9.exe
ソフトウェアの最新バージョンと必要な依存関係がすべて揃っていることを確認するには、Patreon からインストーラーをダウンロードすることをお勧めします。 Proバージョンのビルドと埋め込み可能な Python 環境は、このリポジトリを通じて提供されないことに注意してください。
RIFE (NCNN) - megvii-research/ ECCV2022-RIFE - styler00dollar/ VapourSynth-RIFE-NCNN-Vulkanを搭載
RIFE (TensorRT) - megvii-research/ ECCV2022-RIFE - AmusementClub/ vs-mlrt & styler00dollar/ VSGAN-tensorrt-docker を利用
GMFSS - ユニオン (PyTorch/TensorRT) - 98mxr/ GMFSS_Union - HolyWu/ vs-gmfss_unionを利用
GMFSS - Fortuna (PyTorch/TensorRT) - 98mxr/ GMFSS_Fortuna - HolyWu/ vs-gmfss_fortunaを利用
CAIN (NCNN) - myungsub/ CAIN - mafiosnik/ vsynth-cain-NCNN-vulkanによって提供 (未リリース)
CAIN (DirectML) - myungsub/ CAIN - AmusementClub/ vs-mlrt を利用
CAIN (TensorRT) - myungsub/ CAIN - HubertSotnowski/ cain-TensorRT を利用
ShuffleCUGAN (NCNN) - styler00dollar/ VSGAN-tensorrt-docker - AmusementClub/ vs-mlrtを搭載
ShuffleCUGAN (TensorRT) - styler00dollar/ VSGAN-tensorrt-docker - AmusementClub/ vs-mlrt を利用
RealESRGAN (NCNN) - xinntao/ Real-ESRGAN - AmusementClub/ vs-mlrt を利用
RealESRGAN (DirectML) - xinntao/ Real-ESRGAN - AmusementClub/ vs-mlrtを利用
RealESRGAN (TensorRT) - xinntao/ Real-ESRGAN - AmusementClub/ vs-mlrt を利用
RealCUGAN (TensorRT) - bilibili/ ailab/Real-CUGAN - AmusementClub/ vs-mlrt を利用
SwinIR (TensorRT) - JingyunLiang/ SwinIR - mafiosnik777/ SwinIR-TensorRTを利用 (未リリース)
DPIR (DirectML) - cszn/ DPIR - AmusementClub/ vs-mlrt を利用
DPIR (TensorRT) - cszn/ DPIR - AmusementClub/ vs-mlrt を利用
SCUNet (TensorRT) - cszn/ SCUNet - mafiosnik777/ SCUNet-TensorRTを搭載 (未リリース)
補足: TensorRT 8.6 以降、第 2 世代 Kepler および Maxwell (900 シリーズ以下) のサポートは終了しました。 TensorRT を使用して推論を実行するには、少なくとも Pascal GPU (1000 シリーズ以降) と CUDA 12.0 + ドライバー バージョン >= 525.xx が必要です。
GUI はクロスプラットフォーム互換性を念頭に置いて作成されており、両方のオペレーティング システムと互換性があります。現時点での私たちの主な焦点は、Windows ユーザー向けに安定して完全に機能するソリューションを保証することですが、Linux と macOS のサポートは 1.0 アップデートで利用可能になる予定です。
Apple Siliconへの対応も予定されており、ただし、現在テストに使用できるのは Intel Macbook Pro のみです1.0 リリースに間に合うように、Amazon AWS で Apple Silicon インスタンスを取得してこれを実装する予定です。
入力サイズ: 1920x1080 @ 2x
| RTX2060S1 | RTX30702 | RTX A4000 3 | RTX3090Ti4 | RTX40905 | |
|---|---|---|---|---|---|
| RIFE / ライフ-v4.6 (NCNN) | 53.78fps | 64.08fps | 80.56fps | 86.24fps | 136.13fps |
| RIFE / rife-v4.6 (TensorRT) | 70.34fps | 94.63fps | 86.47fps | 122.68fps | 170.91fps |
| CAIN / cvp-v6 (NCNN) | 9.42fps | 10.56fps | 13.42fps | 17.36fps | 44.87fps |
| CAIN / cvp-v6 (TensorRT) | 45.41fps | 63.84fps | 81.23fps | 112.87fps | 183.46fps |
| GMFSS / アップ (PyTorch) | - | - | 4.32fps | - | 16.35fps |
| GMFSS / ユニオン (PyTorch) | - | - | 3.68fps | - | 13.93fps |
| GMFSS / ユニオン (TensorRT) | - | - | 6.79fps | - | - |
| RealESRGAN / animevideov3 (TensorRT) | 7.64fps | 9.10fps | 8.49fps | 18.66fps | 38.67fps |
| RealCUGAN (TensorRT) | - | - | 5.96fps | - | - |
| SwinIR (PyTorch) | - | - | 0.43fps | - | - |
| DPIR / ノイズ除去 (TensorRT) | 4.38fps | 6.45fps | 5.39fps | 11.64fps | 27.41fps |
1 Ryzen 5 3600X - Gainward RTX 2060 スーパー @ 在庫
2 Ryzen 7 3800X - ギガバイト RTX 3070 Eagle OC @ 在庫
3 Ryzen 5 3600X - PNY RTX A4000 @ 在庫
4 i9 12900KF - ASUS RTX 3090 Ti Strix OC @ ~2220MHz
5 Ryzen 9 5950X - ASUS RTX 4090 Strix OC - @ ~3100MHz、最大パフォーマンスを達成するための曲線
このセクションは wiki に移動しました: https://github.com/mafiosnik777/enhancr/wiki
エンハンスを最大限に活用する方法や、さまざまな問題を解決する方法について詳しく知るには、こちらをチェックしてください。
TensorRT は、NVIDIA GPU 用に高度に最適化された AI 推論ランタイムです。ベンチマークを使用して、特定の GPU に使用する最適なカーネルを見つけます。AI を実行するマシン上にエンジンを構築する追加の手順があります。ただし、結果として得られるパフォーマンスは、通常、どの PyTorch または NCNN 実装よりもはるかに優れています。
NCNN は、モバイル プラットフォーム用に最適化された高性能ニューラル ネットワーク推論コンピューティング フレームワークです。 NCNN にはサードパーティとの依存関係はありません。これはクロスプラットフォームであり、ほとんどの主要なプラットフォームで既知のすべてのオープンソース フレームワークよりも高速に実行されます。 NVIDIA、AMD、Intel Graphics、さらには Apple Silicon もサポートしています。 NCNN は現在、QQ、Qzone、WeChat、Pitu などの多くの Tencent アプリケーションで使用されています。
Patreon での寄付、または PayPal での寄付を通じて、このプロジェクトへのサポートを示していただければ幸いです。あなたのサポートは開発を加速し、プロジェクトにさらなるアップデートをもたらすのに役立ちます。さらに、スキルをお持ちの場合は、プル リクエストを開いて貢献することもできます。提供するサポートの形式に関係なく、それは非常に感謝されることを知ってください。
私は時間の制約によって生じた不一致への対処を含め、コードベースの改善に継続的に取り組んでいます。新機能、バグ修正、新しいテクノロジーやモデルの組み込みなど、定期的なアップデートが利用可能になり次第リリースされます。ご理解とご支援をよろしくお願いいたします。
私たちのプレーヤーは OSC として mpv と ModernX に依存しています。
CAIN の実装に協力してくれた HubertSontowski と styler00dollar に感謝します。
コミュニティと交流したり、結果を共有したり、問題が発生したときに助けを得たりするには、Discord にアクセスしてください。今後のバージョンのプレビューもそこで紹介される予定です。
