enhancr
Release - 0.9.9 +
enhancr 은 node.js 및 Electron을 사용하여 구축된 인공 지능을 활용하는 비디오 프레임 보간 및 비디오 업스케일링을 위한 우아하고 사용하기 쉬운 GUI입니다. 인공 지능을 사용하여 비디오 영상을 향상시키는 데 관심이 있는 모든 사람의 사용자 경험을 향상시키기 위해 만들어졌습니다. GUI는 다른 대안처럼 투박하고 오래된 느낌을 주지 않으면 서 최첨단 기술을 기반으로 놀라운 경험을 제공하도록 설계 되었습니다.
NVIDIA의 매우 빠른 TensorRT 추론 기능을 갖추고 있어 AI 프로세스 속도를 크게 높일 수 있습니다. Docker 또는 WSL(Linux용 Windows 하위 시스템)을 설치할 필요 없이 사전 패키징되어 있으며 , Tencent의 NCNN 추론은 가볍고 NVIDIA , AMD , 심지어 Apple Silicon 에서도 실행됩니다. PyTorch의 엄청난 추론과는 대조적입니다. NVIDIA GPU에서만 실행됩니다 .
릴리스 0.9.9에는 무료 버전이 포함되어 있습니다. https://dl.enhancr.app/setup/enhancr-setup-free-0.9.9.exe
최신 버전의 소프트웨어와 필요한 모든 종속성을 확보하려면 Patreon에서 설치 프로그램을 다운로드하는 것이 좋습니다. Pro 버전용 빌드 및 내장 가능한 Python 환경은 이 리포지토리를 통해 제공 되지 않습니다 .
RIFE(NCNN) - megvii-research/ ECCV2022-RIFE - powered by styler00dollar/ VapourSynth-RIFE-NCNN-Vulkan
RIFE(TensorRT) - megvii-research/ ECCV2022-RIFE - AmusementClub/ vs-mlrt 및 styler00dollar/ VSGAN-tensorrt-docker 제공
GMFSS - 유니온(PyTorch/TensorRT) - 98mxr/ GMFSS_Union - HolyWu/ vs-gmfss_union 제공
GMFSS - Fortuna(PyTorch/TensorRT) - 98mxr/ GMFSS_Fortuna - HolyWu/ vs-gmfss_fortuna 제공
CAIN (NCNN) - myungsub/ CAIN - powered by mafiosnik/ vsynth-cain-NCNN-vulkan (미출시)
CAIN(DirectML) - myungsub/ CAIN - AmusementClub/ vs-mlrt 제공
CAIN(TensorRT) - myungsub/ CAIN - HubertSotnowski/ cain-TensorRT 제공
ShuffleCUGAN(NCNN) - styler00dollar/ VSGAN-tensorrt-docker - AmusementClub/ vs-mlrt 제공
ShuffleCUGAN(TensorRT) - styler00dollar/ VSGAN-tensorrt-docker - AmusementClub/ vs-mlrt 제공
RealESRGAN (NCNN) - xinntao/ Real-ESRGAN - AmusementClub/ vs-mlrt 제공
RealESRGAN(DirectML) - xinntao/ Real-ESRGAN - AmusementClub/ vs-mlrt 제공
RealESRGAN(TensorRT) - xinntao/ Real-ESRGAN - AmusementClub/ vs-mlrt 제공
RealCUGAN(TensorRT) - bilibili/ ailab/Real-CUGAN - AmusementClub/ vs-mlrt 제공
SwinIR(TensorRT) - JingyunLiang/ SwinIR - mafiosnik777/ SwinIR-TensorRT (미출시) 제공
DPIR(DirectML) - cszn/ DPIR - AmusementClub/ vs-mlrt 제공
DPIR(TensorRT) - cszn/ DPIR - AmusementClub/ vs-mlrt 제공
SCUNet(TensorRT) - cszn/ SCUNet - mafiosnik777/ SCUNet-TensorRT (미출시) 제공
참고: TensorRT 8.6부터 2세대 Kepler 및 Maxwell(900 시리즈 이하)에 대한 지원이 중단되었습니다. TensorRT를 사용하여 추론을 실행하려면 최소한 Pascal GPU(1000 시리즈 이상) 및 CUDA 12.0 + 드라이버 버전 >= 525.xx가 필요합니다.
GUI는 플랫폼 간 호환성을 염두에 두고 만들어졌으며 두 운영 체제 모두와 호환됩니다. 현재 우리의 주요 초점은 Windows 사용자를 위한 안정적이고 완벽하게 작동하는 솔루션을 보장하는 것입니다. 하지만 Linux 및 macOS에 대한 지원은 1.0 업데이트를 통해 제공될 예정입니다.
Apple Silicon에 대한 지원도 계획되어 있으며, 하지만 현재 테스트에 사용할 수 있는 Intel Macbook Pro만 있습니다. 1.0 릴리스에 맞춰 이를 구현하기 위해 Amazon AWS에서 Apple Silicon 인스턴스를 얻을 예정입니다.
입력 크기: 1920x1080 @ 2x
| RTX 2060S 1 | RTX 3070 2 | RTX A4000 3 | RTX 3090 Ti 4 | RTX 4090 5 | |
|---|---|---|---|---|---|
| RIFE / rife-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 / 위로 (PyTorch) | - | - | 4.32fps | - | 16.35fps |
| GMFSS/연합(PyTorch) | - | - | 3.68fps | - | 13.93fps |
| GMFSS/연합(TensorRT) | - | - | 6.79fps | - | - |
| RealESRGAN / animevideov3(TensorRT) | 7.64fps | 9.10fps | 8.49fps | 18.66fps | 38.67fps |
| RealCUGAN(텐서RT) | - | - | 5.96fps | - | - |
| SwinIR(PyTorch) | - | - | 0.43fps | - | - |
| DPIR / 노이즈 제거(TensorRT) | 4.38fps | 6.45fps | 5.39fps | 11.64fps | 27.41fps |
1 Ryzen 5 3600X - Gainward RTX 2060 Super @ 재고
2 Ryzen 7 3800X - 기가바이트 RTX 3070 Eagle OC @ 재고
3 라이젠 5 3600X - PNY RTX A4000 @ 재고
4 i9 12900KF - ASUS RTX 3090 Ti Strix OC @ ~2220MHz
5 Ryzen 9 5950X - ASUS RTX 4090 Strix OC - 최대 성능을 달성하기 위한 곡선이 있는 @ ~3100MHz
이 섹션은 위키로 이동되었습니다: https://github.com/mafiosnik777/enhancr/wiki
enhancr을 최대한 활용하는 방법이나 다양한 문제를 해결하는 방법에 대해 자세히 알아보려면 여기를 확인하세요.
TensorRT는 NVIDIA GPU를 위해 고도로 최적화된 AI 추론 런타임입니다. 벤치마킹을 사용하여 특정 GPU에 사용할 최적의 커널을 찾고, AI를 실행할 머신에 엔진을 구축하기 위한 추가 단계가 있습니다. 그러나 결과적인 성능은 일반적으로 PyTorch 또는 NCNN 구현보다 훨씬 더 좋습니다.
NCNN은 모바일 플랫폼에 최적화된 고성능 신경망 추론 컴퓨팅 프레임워크입니다. NCNN에는 제3자 종속성이 없습니다. 이는 크로스 플랫폼이며 대부분의 주요 플랫폼에서 알려진 모든 오픈 소스 프레임워크보다 빠르게 실행됩니다. NVIDIA, AMD, Intel Graphics 및 Apple Silicon까지 지원합니다. NCNN은 현재 QQ, Qzone, WeChat, Pitu 등 많은 Tencent 애플리케이션에서 사용되고 있습니다.
Patreon에 기부하거나 PayPal을 통해 기부를 통해 이 프로젝트에 대한 지원을 보여주시면 감사하겠습니다. 귀하의 지원은 개발을 가속화하고 프로젝트에 더 많은 업데이트를 제공하는 데 도움이 됩니다. 또한, 기술이 있으면 끌어오기 요청을 통해 기여할 수도 있습니다. 귀하가 제공하기로 선택한 지원의 형태에 관계없이, 그것이 매우 감사하다는 것을 아십시오.
저는 시간 제약으로 인해 발생할 수 있는 불일치를 해결하는 것을 포함하여 코드베이스를 개선하기 위해 지속적으로 노력하고 있습니다. 새로운 기능, 버그 수정, 새로운 기술 및 모델의 통합 등이 포함된 정기적인 업데이트가 출시될 예정입니다. 이해와 지원에 감사드립니다.
우리 플레이어는 OSC를 위해 mpv와 ModernX를 사용합니다.
CAIN 구현에 도움을 준 HubertSontowski와 styler00dollar에게 감사드립니다.
커뮤니티와 소통하고, 결과를 공유하고, 문제가 발생할 때 도움을 받으려면 Discord를 방문하세요. 향후 버전의 미리보기도 이곳에서 선보일 예정입니다.
