Jeśli chcesz powiększać obrazy i filmy bez utraty jakości, to właściwie nie możesz się pomylić z „Waifu2x-ncnn-Vulkan GUI Edition Reloaded” lub „Real-ESRGAN-GUI”. Użycie zaawansowanych algorytmów w połączeniu z mocą twojej karty graficznej daje znakomite efekty, ale jeśli wolisz jeszcze bardziej złożoną alternatywę z parametrami dodatkowymi i dodatkowymi modelami, to musisz pobrać kopię Video2x.
To świat sztucznej inteligencji, a my tylko w nim żyjemy… przynajmniej jeśli chodzi o upscalery. Nvidia wciąż dodaje funkcje deep learningu dla swoich kart graficznych (DLSS, DLDSR, DLAA), a dostępne informacje sugerują, że trzecia wersja AMD FSR ma w sobie odrobinę AI, ale jeśli myślisz o czymś „prostszym”, jak powiększanie obrazów i filmów, wybór dostępnych modeli jest znacznie szerszy. W tym kontekście docieramy do Video2x, projektu, który umieszcza pół tuzina modeli lub sterowników w zasięgu jednego kliknięcia.
Jak powiększać obrazy i filmy za pomocą Video2x
Pierwszą rzeczą, która rzuca się w oczy w Video2x, jest duża liczba zaawansowanych parametrów w interfejsie. Na pierwszy rzut oka widzimy szczegóły takie jak liczba procesów i skala do odtworzenia, ale jeśli klikniemy zakładkę Driver Settings, znajdziemy specjalne wartości dla każdego z sześciu modeli: Waifu2x Caffe, Waifu2x Converter CPP, Waifu2x NCNN Vulkan, SRMD NCNN Vulkan, RealSR NCNN Vulkan i Anime4K CPP.
Jako punkt wyjścia polecam pierwsze testy z Waifu2x NCNN Vulkan, z podmodelem cunet i włączonym TTA. Opcja TTA zwiększa końcową jakość klatek, ale mnoży czas przetwarzania przez 8. W przypadku RealSR NCNN Vulkan podmodel DF2K jest zalecany do przetwarzania obrazów z bardzo małym szumem, ale jeśli pojawią się artefakty, najlepiej użyć DF2K-JPEG. RealSR jest znacznie wolniejszy niż Waifu2x (nawet z kartą graficzną), więc polecam cierpliwość.
Video2x zapisuje wyniki w tym samym folderze źródłowym (chyba że zmienisz ścieżkę), a wartość Preserve Frames zapobiega usunięciu folderu pamięci podręcznej. Dostępny czas pozwolił mi przetestować tylko powiększanie obrazów, ale jestem bardzo zadowolony z wyników. Na koniec: pobranie z GitHuba to 1000 megabajtów. Link poniżej!
Oficjalna strona i pobieranie: Kliknij tutaj
