懂AI
NAFNet

NAFNet

无需非线性激活函数的图像修复网络

NAFNet是一种无需非线性激活函数的图像修复网络，通过简单的基线超过现有SOTA方法并显著降低计算成本。在GoPro数据集上，该网络的图像去模糊性能达到33.69 dB PSNR，在SIDD数据集上的图像去噪性能为40.30 dB PSNR，均显著超越前代SOTA性能。NAFNet适用于图像去噪、去模糊和立体图像超分辨率等任务。

NAFNet图像修复图像去噪图像去模糊超分辨率Github开源项目
GitHubHugging Face论文

NAFNet 项目介绍

NAFNet 是一个全新的图像复原模型，专注于图像的去模糊、去噪和立体图像的超分辨率等任务。该项目由陈良玉、初晓婕、张祥雨和孙剑团队提出，并已在 2022 年欧洲计算机视觉会议 (ECCV 2022) 上发表。

项目背景

近年来，图像复原领域取得了显著进展，但主流方法复杂且计算成本较高，使得分析和比较不同模型变得困难。NAFNet 项目提出了一个简单的基准，它不仅超过了当前最新的方法，而且计算效率高。该框架的核心思想在于去掉不必要的非线性激活函数，如 Sigmoid、ReLU、GELU、Softmax 等，从而简化计算。

项目亮点

NAFNet 的最大特点是其高效性，通过去除非线性激活函数来简化结构，表现甚至优于现有最优方法。在多个具有挑战性的基准测试中，NAFNet 的表现如下：

  • 图像去模糊：在 GoPro 数据集上获得了 33.69 dB PSNR，超过了此前最佳方法 0.38 dB，但计算成本仅为其 8.4%。
  • 图像去噪：在 SIDD 数据集上取得了 40.30 dB PSNR，比之前的最佳方法高出 0.28 dB，而计算成本则减少了一半以上。

安装指南

NAFNet 基于 Python 和 PyTorch 构建，推荐的环境配置包括 Python 3.9.5、PyTorch 1.11.0 和 CUDA 11.3。安装步骤如下：

git clone https://github.com/megvii-research/NAFNet
cd NAFNet
pip install -r requirements.txt
python setup.py develop --no_cuda_ext

快速入门

项目提供了一系列的在线演示，可以立即体验 NAFNet 在图像复原方面的卓越表现：

  • 图像去噪在线演示
  • 图像去模糊在线演示
  • 立体图像超分辨率在线演示

用户可以通过指定输入路径和输出路径来在本地进行图像复原测试，并可下载预训练模型以获得更好的效果。

项目成果及预训练模型

NAFNet 已在多个数据集上测试并取得优异成绩，提供了多种预训练模型供使用。以下列出部分模型的测试结果：

  • NAFNet-GoPro-width64：PSNR 为 33.7103，SSIM 为 0.9668。
  • NAFNet-SIDD-width64：PSNR 为 40.3045，SSIM 为 0.9614。

图像复原任务

NAFNet 适用于以下多种图像复原任务：

  • 图像去模糊
  • 图像去噪
  • 带有 JPEG 伪影的图像去模糊
  • 立体图像超分辨率

联系方式

如果您有任何问题或建议，可以通过以下邮箱联系陈良玉 (chenliangyu@megvii.com) 或初晓婕 (chuxiaojie@megvii.com)。

NAFNet 项目以其简洁和高效的设计为图像复原领域带来了新的思路，是从业者和研究人员不可错过的工具。

编辑推荐精选

AEE

AEE

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。

UI-TARS-desktop

UI-TARS-desktop

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。

Wan2.1

Wan2.1

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。

爱图表

爱图表

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。

Qwen2.5-VL

Qwen2.5-VL

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

HunyuanVideo

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。

WebUI for Browser Use

WebUI for Browser Use

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。

xiaozhi-esp32

xiaozhi-esp32

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。

olmocr

olmocr

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

飞书多维表格

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。

下拉加载更多