Anime4K是一套开源的高质量实时动漫画质提升/降噪算法,可以用任何编程语言实现。
Anime4K的简单性和速度允许用户实时观看画质提升后的动漫,因为我们相信保留原始内容并为所有动漫爱好者提供选择自由。应避免将动漫重新编码为4K,因为这是不可逆的,可能会通过引入伪影损害原始内容,占用O(n<sup>2</sup>)更多的磁盘空间,更重要的是,这样做并不会显著减少信息熵(丢失的信息已经丢失)。
免责声明:所有使用的艺术资产仅用于演示和教育目的。所有权利归原所有者所有。如果您(作为个人或公司)拥有这些艺术作品,不希望它们与本项目相关联,请通过anime4k.upscale@gmail.com与我们联系,我们将欣然将其删除。
Anime4K针对使用h.264、h.265或VC-1编码的原生1080p动漫进行了优化。
即使它可能有效,它并非针对缩小尺寸的720p、480p或标准清晰度动漫(如DVD)进行优化。较老的动漫(特别是前数字时代的作品)有一些很难去除的伪影,如糟糕的去隔行,制作过程中的相机模糊,严重的振铃,胶片颗粒,较老的MPEG压缩伪影等。
这也不能替代SRGAN,因为SRGAN在低分辨率图像或严重退化的图像上表现更好(尽管不能实时处理)。
Anime4K提供了一种方法,可以实时将1080p动漫放大到4K屏幕,同时提供类似于SRGAN的效果,并且比waifu2x好得多(参见比较)。
目前,正在研究更好的实时放大低分辨率或较旧内容的方法。
实验性SRGAN着色器从360p到4K的结果:(放大查看细节)
图像按算法速度排序,双三次插值最快。FSRCNNX和Anime4K可以实时运行,而waifu2x和Real-ESRGAN不能。
我们引入了一种线条重建算法,旨在解决1080p动漫中出现的分布偏移问题。在实际应用中,由于预算和时间限制导致的低质量合成,动漫表现出惊人的差异,传统超分辨率算法无法处理。GAN可以隐式编码这种分布偏移,但使用速度慢且难以训练。我们的算法明确纠正了这种分布偏移,允许传统的"MSE"超分辨率算法适用于各种动漫。
来源: https://fancaps.net/anime/picture.php?/14728493 | 模式: B
来源: https://fancaps.net/anime/picture.php?/13365760 | 模式: A
性能数据是使用Vega64 GPU获得的,并使用UL
着色器变体进行测试。快速版本适用于M
变体。
请注意,使用张量核心的CUDA加速SRGAN/Waifu2x可以快得多,接近实时(~80ms),但它们的大尺寸严重阻碍了非CUDA实现。
单一的Anime4K着色器被分解为模块化组件,允许针对特定类型的动漫和/或个人喜好进行定制。 新特性:
从2021-09-19T16:02:06Z
(ISO 8601)开始计数
请注意,以下项目可能使用的是Anime4K的旧版本。自v3版本以来,质量已有显著提升。
OpenCV | TensorFlow | Keras | Torch | mpv | MPC |
---|---|---|---|---|---|
![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
非常感谢OpenCV、TensorFlow、Keras和Torch团队及贡献者。没有这些高质量的开源机器学习库,本项目就无法实现。
我还要特别感谢VDSR和FSRCNN的创造者,以及开源项目waifu2x和FSRCNNX,是它们激发了我创建这个项目的兴趣。我还要感谢mpv和MPC-HC/BE的贡献者,他们努力创造了具有无限定制选项的出色媒体播放器。 此外,我要感谢以任何形式为这个项目做出贡献的人,无论是报告错误、提交建议 、帮助解决他人的问题还是提交代码。我将永远高度重视你们。
我还要向蒙特利尔大学、DIRO、LIGUM和MILA的人们表示诚挚的感谢,感谢他们为学生(包括我)提供了如此多的机会,提供必要的基础设施,并营造了优秀的学习环境。
我还要感谢更广泛的开源社区,其中大量具体的例子和代码给予了极大的帮助。
最后,但同样重要的是,我要无限感谢我的家人、朋友和教授们,在这些艰难时期为我正在进行的学习之旅提供财务、技术、社交支持和专业知识。你们的帮助实在是难以言表。
这份名单并非最终版本,因为这个项目远未完成。未来的任何致谢都将及时添加。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语 言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用 ,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该 项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号