1.5K star量，上古老番变4K，B站开源超分辨率算法-技术圈

↑ 点击蓝字关注极市平台

来源丨机器之心

编辑丨极市平台

极市导读

B 站 AI 实验室的最新成果。 >>加入极市CV技术交流群，走在计算机视觉的最前沿

喜欢看动漫的人经常会被一些经典作品的情节所吸引，不过画面质量是欣赏下去的大敌 —— 那些超过十年历史的内容自不必说，直到现在，很多动画的实际分辨率也只是 720p 左右，然后被拉伸到 1080i 以满足电视台播放的需求，BD（蓝光）清晰度也只有 1080p。

究其原因，还是成本问题：在动画制作过程中，让分辨率提升一个级别，就会导致所有的制作资源大幅提升，从作画、扫描到处理和存储，整个产业链条都需要软硬件的提升。

但今天即使是手机也有个 2K 的分辨率，既然手绘动画难以提升分辨率，那么能不能用 AI 算法来解决这个问题？

最近，GitHub 上一个图像超分辨率的项目火了，一个叫做 Real-CUGAN 的工具可以把动画图像的质量提升 2 到 4 倍，qq 上斗图的表情包也能给你脑补成 4k 品质。

仔细一看，这个项目来自 bilibili 人工智能实验室。上线 20 天，star 量已达 1.5K。

项目链接：https://github.com/bilibili/ailab/tree/main/Real-CUGAN

据作者介绍，Real-CUGAN 是一个使用百万级动漫数据进行训练的，结构与 Waifu2x 兼容的通用动漫图像超分辨率模型。相比目前市面上已有的通用化超分辨率算法，Real-CUGAN 的 AI 模型经过了更大体量数据集的训练，处理二次元内容的效果更佳。

它支持 2x\3x\4x 倍超分辨率，其中 2 倍模型支持 4 种降噪强度与保守修复，3 倍 / 4 倍模型支持 2 种降噪强度与保守修复。

Real-CUGAN 全称为 Real Cascaded-U-Net-style Generative Adversarial Networks（真实的、级联 U-Net 风格的生成对抗网络），使用了与 Waifu2x 相同的动漫网络结构，但因为使用了新的训练数据与训练方法，从而形成了不同的参数。

具体来说，该动漫超分模型训练先行对动漫帧进行切块处理，使用图像质量打分模型对候选块进行打分过滤，得到一个百万级的高质量动漫图像块训练集。然后使用多阶段降质算法，将高清图像块降采样得到低质图像，让 AI 模型学习、优化从低质图像到高质图像的重建过程，训练完毕后即可对真实的二次元低质图像进行高清化处理。

在 GitHub 项目中，作者开源了推理阶段的模型参数与推理代码。

下面，我们来看一下 Real-CUGAN 的修复效果。