懂AI
Fast-SRGAN

Fast-SRGAN

基于Pixel Shuffle的SR-GAN实时超分辨率视频放大

Fast-SRGAN是一个开源项目，基于SR-GAN架构和Pixel Shuffle技术，旨在实现实时超分辨率视频放大。实验证明，在MacBook M1 Pro GPU上可以达到720p视频的30fps处理速度。项目提供预训练模型并支持自定义训练参数，用户可通过配置文件或命令行参数进行设置并在Tensorboard上监控训练进度。欢迎社区贡献意见和改进。

Fast-SRGAN超分辨率像素洗牌预训练模型Python 3.10Github开源项目
GitHub论文

Fast-SRGAN 项目介绍

项目目标

Fast-SRGAN 项目的目标是实现实时超分辨率，以提高低分辨率视频的画质。项目当前参照了 SR-GAN 的架构，采用像素重排（pixel shuffle）技术来加快上采样的速度。

性能表现

在项目的速度基准测试中，针对不同的输入和输出分辨率进行了帧速率（FPS）和运行时间的评估。测试在 M1 Pro 的 MacBook GPU 上进行，并对 800 帧取平均值：

  • 将 90x160 的输入图像放大至 360x640（360p）时耗时约 0.01 秒，可达到每秒 82 帧。
  • 将 180x320 的输入图像放大至 720x1080（720p）时耗时约 0.04 秒，可达到每秒 27 帧。

这表明可以实现接近 30 帧每秒的 720p 上采样效果。

环境要求

项目使用 Python 3.10 进行测试。用户需要使用 Pipfile 来安装所需的依赖包：

pip install pipenv --upgrade
pipenv install --system --deploy

预训练模型

在项目的 ‘models’ 目录中，提供了一个在 DIV2k 数据集上训练过的生成器模型。该模型包含 8 个残差块，每层包含 64 个滤波器。用户可以通过以下命令尝试使用预训练模型处理自己的图片：

python inference.py --image_dir 'path/to/your/image/directory' --output_dir 'path/to/save/super/resolution/images'

模型训练

要训练模型，用户只需编辑配置文件 configs/config.yaml，然后运行以下命令启动训练：

python train.py

用户也可以通过命令行修改配置参数。以下命令将使用批量大小为 32、包含 12 个残差块的生成器，处理指定路径的数据集：

python train.py data.image_dir="/path/to/image/dataset" training.batch_size=32 generator.n_layers=12

训练过程中，模型检查点和训练摘要会保存在 tensorboard 中。用户可以通过指向 outputs 目录来监控训练进程。

样本结果

以下是预训练模型的一些结果展示。左侧为低分辨率图像经过四倍双三次插值后得到的图像，中间是模型的输出，右侧则是实际的高分辨率图像。

参与贡献

如果用户对于如何提高模型性能、增加指标或其他方面有建议，欢迎提交拉取请求或提出问题。项目很高兴接受任何形式的贡献。

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多