图像超分——Real-ESRGAN快速上手

契源

想必每个自媒体行业从业者都面临过这样一种情况：从网络上找到一张素材做封面，然而素材图片往往太模糊。那么，有没有办法对其进行高清修复呢？这就是计算机视觉领域的子领域图像超分所研究的主要问题。

在我的专业课上，曾使用复现过图像超分领域的两个经典算法SRCNN和FSRCNN，但是效果一般。具体内容可以参见我之前写的博文：https://zstar.blog.csdn.net/article/details/125613142

最近我在2021ICCV上看到图像超分的Real-ESRGAN这篇论文。
论文标题：Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data
论文链接：https://arxiv.org/abs/2107.10833

该论文是腾讯ARC实验室的研究成果，作者同时开源了该算法的代码。
仓库地址：https://github.com/xinntao/Real-ESRGAN

下面是论文里的一张效果对比图，可以看出和同类算法相比，Real-ESRGAN的效果还是挺惊艳的。

理论简介

首先声明，图像超分不是我的主要研究方向，下面我就以一个“外行人”的视角简单理解一下Real-ESRGAN这个算法的原理。
如果读者对理论不感兴趣，可以跳到下一节的实践部分。

大致原理

Real-ESRGAN并不是一个凭空开创的算法，从名字上也可以看出，它是对ESRGAN算法的改进。图像超分中这条发展脉络可以这样追溯：SRCNN->SRGAN->ESRGAN->Real-ESRGAN。

看到GAN，就知道Real-ESRGAN采用的也是GAN的架构。首先是将高清图片作为数据集，然后通过下面这些步骤(涂污(blur)、下采样(Downsampling)、添加噪声(Noise)、JPEG压缩(Compression))来生成低分辨率的模糊图片。

然后，将这些处理后的图片输入到生成器(Generator)之中，生成1倍、2倍和4倍高清放大的图片。

最后，将生成的图片和真实的高清图片混杂在一起，输入到判别器(Discriminator)中进行判别，如果能够“骗过”判别器，就说明生成的图片质量不错。

论文创新

相较于ESRGAN，Real-ESRGAN主要有下面三点创新：

• 提出了一个高阶降解过程来模拟实际降解过程，并利用sinc滤波器来模拟常见的振铃和超调伪象。
• 采用了一些必要的修改(例如，光谱归一化的U-Net鉴别器)来增加鉴别器的能力和稳定训练动态。
• 用纯合成数据训练的Real-ESRGAN能够还原大多数真实世界的图像，获得比以往作品更好的视觉性能，在真实世界的应用中更加实用。

论文局限

论文最后提到该算法有下面三点局限：

• 一些恢复的图像(尤其是建筑和室内场景)由于混叠问题，容易出现扭曲的线条。
• GAN训练在一些样本上引入了一些伪影。
• 它无法消除现实世界中分布外退化。

更多详细的模型构建，算法处理细节请阅读原论文。

实践上手

光说不练假把式，下面就到了快乐的实践环节了。

超便捷方式

作者为了方便别人快速使用它的成果，直接打包好了一个exe程序，以至于不需要配环境也能直接使用。
我下载的是Windows版本，顺便分享在此https://pan.baidu.com/s/18n71xRPZL7uRcnlwSnWrdQ?pwd=iznh

作者提供了五种模型：

• realesr-animevideov3-x2：2倍分辨率视频
• realesr-animevideov3-x3：3倍分辨率视频
• realesr-animevideov3-x4：4倍分辨率视频
• realesrgan-x4plus：4倍分辨率照片
• realesrgan-x4plus-anime：4倍分辨率动画图片

使用时，只需要在命令行中根据所需选择下面的命令输入：

转换图片：

1. ./realesrgan-ncnn-vulkan.exe -i input.jpg -o output.png
2. ./realesrgan-ncnn-vulkan.exe -i input.jpg -o output.png -n realesr-animevideov3
3. ./realesrgan-ncnn-vulkan.exe -i input_folder -o outputfolder -n realesr-animevideov3 -s 2 -f jpg
4. ./realesrgan-ncnn-vulkan.exe -i input_folder -o outputfolder -n realesr-animevideov3 -s 4 -f jpg

转换视频：

1. Use ffmpeg to extract frames from a video (Remember to create the folder `tmp_frames` ahead)

   ffmpeg -i onepiece_demo.mp4 -qscale:v 1 -qmin 1 -qmax 1 -vsync 0 tmp_frames/frame%08d.jpg

2. Inference with Real-ESRGAN executable file (Remember to create the folder `out_frames` ahead)

   ./realesrgan-ncnn-vulkan.exe -i tmp_frames -o out_frames -n realesr-animevideov3 -s 2 -f jpg

3. Merge the enhanced frames back into a video

    ffmpeg -i out_frames/frame%08d.jpg -i onepiece_demo.mp4 -map 0:v:0 -map 1:a:0 -c:a copy -c:v libx264 -r 23.98 -pix_fmt yuv420p output_w_audio.mp4

相关参数解释：

Usage: realesrgan-ncnn-vulkan.exe -i infile -o outfile [options]...
  -h                   show this help"
  -i input-path        input image path (jpg/png/webp) or directory"
  -o output-path       output image path (jpg/png/webp) or directory"
  -s scale             upscale ratio (can be 2, 3, 4. default=4)"
  -t tile-size         tile size (>=32/0=auto, default=0) can be 0,0,0 for multi-gpu"
  -m model-path        folder path to the pre-trained models. default=models"
  -n model-name        model name (default=realesr-animevideov3, can be realesr-animevideov3 | realesrgan-x4plus | realesrgan-x4plus-anime | realesrnet-x4plus)"
  -g gpu-id            gpu device to use (default=auto) can be 0,1,2 for multi-gpu"
  -j load:proc:save    thread count for load/proc/save (default=1:2:2) can be 1:2,2,2:2 for multi-gpu"
  -x                   enable tta mode"
  -f format            output image format (jpg/png/webp, default=ext/png)"
  -v                   verbose output"

作者还提供Linux和Mac脚本，如有需要可以去上面的仓库中下载。

源代码方式

如果需要在Real-ESRGAN算法上做一些研究，就必须把它的源代码clone下来了，此外，还必须在本地装好pytorch环境。

在此基础上，还需要手动安装basicsr、facexlib、gfpgan这三个库。
gfpgan库安装比较简单，直接使用pip安装即可。

pip install gfpgan

其它两个库用pip安装可能会报错，需要将这两个库的源代码clone下来，然后在目录下输入下面的命令进行安装。

python setup.py develop

这两个库的我也备份在此：

BasicSR：https://pan.baidu.com/s/1fNXn3uCFW4SGCwGXfZQJtw?pwd=yz3j

facexlib：https://pan.baidu.com/s/1UANS3Z5ue08S7JGAZZMkaw?pwd=idu8

安装好后，还需要将作者提供的训练好的模型权重放到如图所示的位置下：

下面是两个主函数：

• inference_realesrgan.py：推理图片
• inference_realesrgan_video.py：推理视频

以推理图片为例，使用时，只需修改下面几个参数：

• input：输入图片路径或者文件夹路径，若是文件夹路径，则批量将文件夹下所有图片进行转化
• model_name：选择模型名字
• outscale：放大倍数，尽量和模型中的x保持一致。

实践效果

下面先看使用anime模型对动漫图像进行修复，我这里选择了《Bleach》里面的主角黑崎一护：

可以看到，修复之后，一护的头发棱角变得清晰可见。

下面再尝试对真人照片进行修复，我选择了常驻嘉宾毕导的照片，选这张照片的原因不仅是这张照片原本分辨率就不高，而且图片中包含了文字、砖墙纹理和人物，修复难度更高。

可以看到图中地板、墙壁的修复效果还是显著的。然而，毕导的脸部修复依然没有想象中的清晰；x4修复之后，背景上的文字被AI“脑补”成了方块字。。

总体看来，对于三次元的照片修复效果不如二次元图片，也有可能是模特颜值的原因(狗头)…

代码备份

本次实验所用到的代码备份如下(包含作者提供的预训练权重)：
https://pan.baidu.com/s/1dNTVgz4F_53xSOOBIL_0Ag?pwd=kmdf