enhancr
Release - 0.9.9 +
enhancr เป็น GUI ที่หรูหราและใช้งานง่าย สำหรับ การแก้ไขเฟรมวิดีโอ และ การลดขนาดวิดีโอ ซึ่งใช้ประโยชน์จากปัญญาประดิษฐ์ที่สร้างโดยใช้ node.js และ Electron สร้างขึ้น เพื่อปรับปรุงประสบการณ์ผู้ใช้ สำหรับทุกคนที่สนใจปรับปรุงฟุตเทจวิดีโอโดยใช้ปัญญาประดิษฐ์ GUI ได้ รับการออกแบบมาเพื่อมอบประสบการณ์อันน่าทึ่ง ที่ขับเคลื่อนโดยเทคโนโลยีล้ำสมัย โดยไม่รู้สึกอึดอัดและล้าสมัย เหมือนทางเลือกอื่นๆ
มีคุณลักษณะการอนุมาน TensorRT ที่รวดเร็วเหลือเชื่อโดย NVIDIA ซึ่งสามารถเร่งกระบวนการ AI ได้อย่างมาก บรรจุไว้ล่วงหน้าโดยไม่จำเป็นต้องติดตั้ง Docker หรือ WSL (ระบบย่อย Windows สำหรับ Linux) - และการอนุมาน NCNN โดย Tencent ซึ่งมีน้ำหนักเบาและทำงานบน NVIDIA , AMD และแม้แต่ Apple Silicon - ตรงกันข้ามกับมหึมาของการอนุมาน PyTorch คือซึ่ง ทำงานบน NVIDIA GPU เท่านั้น
ปล่อย 0.9.9 มีเวอร์ชั่นฟรี ? https://dl.enhancr.app/setup/enhancr-setup-free-0.9.9.exe
เพื่อให้แน่ใจว่าคุณมีซอฟต์แวร์เวอร์ชันล่าสุดและการอ้างอิงที่จำเป็นทั้งหมด เราขอแนะนำให้ดาวน์โหลดตัวติดตั้งจาก Patreon โปรดทราบว่า ไม่มี การสร้างบิลด์และสภาพแวดล้อม Python แบบฝังได้สำหรับเวอร์ชัน Pro ผ่านพื้นที่เก็บข้อมูลนี้
RIFE (NCNN) - megvii-research/ ECCV2022-RIFE - ขับเคลื่อนโดย styler00dollar/ VapourSynth-RIFE-NCNN-Vulkan
RIFE (TensorRT) - megvii-research/ ECCV2022-RIFE - ขับเคลื่อนโดย AmusementClub/ vs-mlrt & styler00dollar/ VSGAN-tensorrt-docker
GMFSS - ยูเนี่ยน (PyTorch/TensorRT) - 98mxr/ GMFSS_Union - ขับเคลื่อนโดย HolyWu/ vs-gmfss_union
GMFSS - Fortuna (PyTorch/TensorRT) - 98mxr/ GMFSS_Fortuna - ขับเคลื่อนโดย HolyWu/ vs-gmfss_fortuna
CAIN (NCNN) - myungsub/ CAIN - ขับเคลื่อนโดย mafiosnik/ vsynth-cain-NCNN-vulkan (unreleased)
CAIN (DirectML) - myungsub/ CAIN - ขับเคลื่อนโดย AmusementClub/ vs-mlrt
CAIN (TensorRT) - myungsub/ CAIN - ขับเคลื่อนโดย HubertSotnowski/ cain-TensorRT
ShuffleCUGAN (NCNN) - styler00dollar/ VSGAN-tensorrt-docker - ขับเคลื่อนโดย AmusementClub/ vs-mlrt
ShuffleCUGAN (TensorRT) - styler00dollar/ VSGAN-tensorrt-docker - ขับเคลื่อนโดย AmusementClub/ vs-mlrt
RealESRGAN (NCNN) - xinntao/ Real-ESRGAN - ขับเคลื่อนโดย AmusementClub/ vs-mlrt
RealESRGAN (DirectML) - xinntao/ Real-ESRGAN - ขับเคลื่อนโดย AmusementClub/ vs-mlrt
RealESRGAN (TensorRT) - xinntao/ Real-ESRGAN - ขับเคลื่อนโดย AmusementClub/ vs-mlrt
RealCUGAN (TensorRT) - bilibili/ ailab/Real-CUGAN - ขับเคลื่อนโดย AmusementClub/ vs-mlrt
SwinIR (TensorRT) - JingyunLiang/ SwinIR - ขับเคลื่อนโดย mafiosnik777/ SwinIR-TensorRT (ยังไม่เผยแพร่)
DPIR (DirectML) - cszn/ DPIR - ขับเคลื่อนโดย AmusementClub/ vs-mlrt
DPIR (TensorRT) - cszn/ DPIR - ขับเคลื่อนโดย AmusementClub/ vs-mlrt
SCUNet (TensorRT) - cszn/ SCUNet - ขับเคลื่อนโดย mafiosnik777/ SCUNet-TensorRT (ยังไม่เผยแพร่)
Sidenote: เริ่มต้นด้วย TensorRT 8.6 การรองรับ Kepler และ Maxwell รุ่นที่ 2 (ซีรีส์ 900 และต่ำกว่า) ได้ถูกยกเลิกไปแล้ว คุณจะต้องมี Pascal GPU อย่างน้อย (ซีรีส์ 1000 ขึ้นไป) และไดรเวอร์ CUDA 12.0 + เวอร์ชัน >= 525.xx เพื่อเรียกใช้การอนุมานโดยใช้ TensorRT
GUI ถูกสร้างขึ้นโดยคำนึงถึงความเข้ากันได้ข้ามแพลตฟอร์มและเข้ากันได้กับระบบปฏิบัติการทั้งสอง เป้าหมายหลักของเราในขณะนี้คือการรับรองโซลูชันที่เสถียรและใช้งานได้เต็มรูปแบบสำหรับผู้ใช้ Windows แต่การสนับสนุนสำหรับ Linux และ macOS จะพร้อมใช้งานในการอัปเดต 1.0
มีการวางแผนรองรับ Apple Silicon ด้วยเช่นกัน แต่ปัจจุบันฉันมีเฉพาะ Intel Macbook Pro สำหรับการทดสอบเท่านั้น ฉันจะได้รับอินสแตนซ์ Apple Silicon บน Amazon AWS เพื่อใช้งานนี้ ทันเวลาสำหรับการเปิดตัว 1.0
ขนาดอินพุต: 1920x1080 @ 2x
| RTX2060S1 | RTX30702 | RTX A40003 | RTX3090Ti4 | RTX40905 | |
|---|---|---|---|---|---|
| RIFE / rife-v4.6 (NCNN) | 53.78 เฟรมต่อวินาที | 64.08 เฟรมต่อวินาที | 80.56 เฟรมต่อวินาที | 86.24 เฟรมต่อวินาที | 136.13 เฟรมต่อวินาที |
| RIFE / rife-v4.6 (TensorRT) | 70.34 เฟรมต่อวินาที | 94.63 เฟรมต่อวินาที | 86.47 เฟรมต่อวินาที | 122.68 เฟรมต่อวินาที | 170.91 เฟรมต่อวินาที |
| CAIN / cvp-v6 (NCNN) | 9.42 เฟรมต่อวินาที | 10.56 เฟรมต่อวินาที | 13.42 เฟรมต่อวินาที | 17.36 เฟรมต่อวินาที | 44.87 เฟรมต่อวินาที |
| CAIN / cvp-v6 (TensorRT) | 45.41 เฟรมต่อวินาที | 63.84 เฟรมต่อวินาที | 81.23 เฟรมต่อวินาที | 112.87 เฟรมต่อวินาที | 183.46 เฟรมต่อวินาที |
| GMFSS / ขึ้น (PyTorch) | - | - | 4.32 เฟรมต่อวินาที | - | 16.35 เฟรมต่อวินาที |
| GMFSS / ยูเนี่ยน (PyTorch) | - | - | 3.68 เฟรมต่อวินาที | - | 13.93 เฟรมต่อวินาที |
| GMFSS / ยูเนี่ยน (TensorRT) | - | - | 6.79 เฟรมต่อวินาที | - | - |
| RealESRGAN / animevideov3 (TensorRT) | 7.64 เฟรมต่อวินาที | 9.10 เฟรมต่อวินาที | 8.49 เฟรมต่อวินาที | 18.66 เฟรมต่อวินาที | 38.67 เฟรมต่อวินาที |
| RealCUGAN (TensorRT) | - | - | 5.96 เฟรมต่อวินาที | - | - |
| SwinIR (ไพทอร์ช) | - | - | 0.43 เฟรมต่อวินาที | - | - |
| DPIR / เดโนส (TensorRT) | 4.38 เฟรมต่อวินาที | 6.45 เฟรมต่อวินาที | 5.39 เฟรมต่อวินาที | 11.64 เฟรมต่อวินาที | 27.41 เฟรมต่อวินาที |
1 Ryzen 5 3600X - ได้รับ RTX 2060 Super @ Stock
2 Ryzen 7 3800X - Gigabyte RTX 3070 Eagle OC @ Stock
3 Ryzen 5 3600X - PNY RTX A4000 @ Stock
4 i9 12900KF - ASUS RTX 3090 Ti Strix OC @ ~2220MHz
5 Ryzen 9 5950X - ASUS RTX 4090 Strix OC - @ ~3100MHz พร้อมเส้นโค้งเพื่อให้ได้ประสิทธิภาพสูงสุด
ส่วนนี้ได้ย้ายไปที่วิกิ: https://github.com/mafiosnik777/enhancr/wiki
ลองดูเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับการใช้ประโยชน์สูงสุดจากโปรแกรมเสริมหรือวิธีแก้ไขปัญหาต่างๆ
TensorRT เป็นรันไทม์การอนุมาน AI ที่ได้รับการปรับให้เหมาะสมที่สุดสำหรับ NVIDIA GPU ใช้การเปรียบเทียบประสิทธิภาพเพื่อค้นหาเคอร์เนลที่เหมาะสมที่สุดเพื่อใช้กับ GPU เฉพาะของคุณ และมีขั้นตอนเพิ่มเติมในการสร้างกลไกบนเครื่องที่คุณจะใช้งาน AI อย่างไรก็ตาม ประสิทธิภาพที่ได้มักจะดีกว่าการใช้งาน PyTorch หรือ NCNN ใดๆ มาก
NCNN คือเฟรมเวิร์กการประมวลผลการอนุมานโครงข่ายประสาทเทียมประสิทธิภาพสูงที่ปรับให้เหมาะกับแพลตฟอร์มมือถือ NCNN ไม่มีการพึ่งพาบุคคลที่สาม เป็นแพลตฟอร์มข้ามแพลตฟอร์มและทำงานเร็วกว่าเฟรมเวิร์กโอเพ่นซอร์สที่รู้จักทั้งหมดบนแพลตฟอร์มหลักส่วนใหญ่ รองรับ NVIDIA, AMD, Intel Graphics และแม้แต่ Apple Silicon ปัจจุบัน NCNN ถูกใช้ในแอปพลิเคชัน Tencent มากมาย เช่น QQ, Qzone, WeChat, Pitu และอื่นๆ
ฉันจะขอบคุณหากคุณสามารถแสดงการสนับสนุนโครงการนี้โดยบริจาคผ่าน Patreon หรือผ่านการบริจาคผ่าน PayPal การสนับสนุนของคุณจะช่วยเร่งการพัฒนาและนำการอัปเดตเพิ่มเติมมาสู่โครงการ นอกจากนี้ หากคุณมีทักษะ คุณสามารถมีส่วนร่วมได้โดยการเปิดคำขอดึงข้อมูล ไม่ว่าคุณจะเลือกให้การสนับสนุนในรูปแบบใดก็ตาม โปรดทราบว่าได้รับการชื่นชมอย่างมาก
ฉันทำงานอย่างต่อเนื่องเพื่อปรับปรุงโค้ดเบส รวมถึงจัดการกับความไม่สอดคล้องกันที่อาจเกิดขึ้นเนื่องจากข้อจำกัดด้านเวลา จะมีการเผยแพร่การอัปเดตเป็นประจำ รวมถึงฟีเจอร์ใหม่ การแก้ไขข้อบกพร่อง และการรวมเทคโนโลยีและรุ่นใหม่ๆ เมื่อมีให้ใช้งาน ขอขอบคุณสำหรับความเข้าใจและการสนับสนุนของคุณ
เครื่องเล่นของเราขึ้นอยู่กับ mpv และ ModernX สำหรับ OSC
ขอขอบคุณ HubertSontowski และ styler00dollar ที่ช่วยนำ CAIN ไปใช้
หากต้องการโต้ตอบกับชุมชน แบ่งปันผลลัพธ์ของคุณ หรือขอความช่วยเหลือเมื่อประสบปัญหาใด ๆ โปรดเยี่ยมชมความไม่ลงรอยกันของเรา ตัวอย่างเวอร์ชันที่กำลังจะมาถึงก็จะมีการจัดแสดงที่นั่นเช่นกัน
