实在就算放眼到全体行业中来看，超高清内容缺少也是家当普遍存在的痛点，渠道的不完善，拍摄、制作水平的不成熟，技能的不敷都成为了阻碍行业发展的绊脚石，为了提高超高清***的生产能力，同时最大限度地节省本钱，就须要人工智能的参与，超分辨率算法便是办理这个问题的很好路子。

提到超分辨率算法，可能屏幕前的很多人还不太熟习，但一提到DLSS、FSR或者Xess，游戏玩家肯定都有所耳闻，虽然他们仨涉及的技能都不太一样，但从结果来看，这三种技能都能提高游戏分辨率，带来更好的游戏体验。
而本日要说的超分辨率算法，某种意义上和AMD的FSR技能可以说是相称相似。

图像超分辨率问题研究的是在输入一张低分辨率图像时，如何得到一张高分辨率图像，传统的图像插值算法可以在某种程度上得到这种效果，比如最近邻插值、双线性插值和双三次插值等，但是这些算法得到的高分辨率图像效果并不理想。

在图像处理方面，又一个著名的算法waifu2x，它利用了SRCNN卷积神经算法，SRCNN是首个利用CNN构造（即基于深度学习）的端到真个超分辨率算法，它将全体算法流程用深度学习的方法实现了，并且效果比传统多模块集成的方法好。
SRCNN流程如下:首先输入预处理。
对输入的低分辨率LR图像利用bicubic算法进行放大，放大为目标尺寸。
那么接下来算法的目标便是将输入的比较模糊的LR图像，经由卷积网络的处理，得到超分辨率SR的图像，使它尽可能与原图的高分辨率HR图像相似。

而AI超分辨率技能则是图像修复技能领域的一个方向。
动漫***的产出过程中每每带有一系列数字旗子暗记处理的过程，包括锯齿、晕轮、色块、噪声处理，模糊线条处理等等，在以前，***事情者每每须要对源进行下采样，在母带分辨率下对不同片段进行参数剖析，并通过一系列滤镜进行手工修复，这造成了很大的人力本钱。

而本日的主角，便是B站AI实验室开源的Real-CUGAN工具（项目地址：https://github.com/bilibili/ailab/tree/main/Real-CUGAN），只要用了它，就可以把动画图像的质量提升2到4倍，而且近乎无损。

Real-CUGAN的全称为Real Cascaded-U-Net-style Generative Adversarial Networks（真实的、级联U-Net风格的天生对抗网络），利用了与Waifu2x相同的动漫网络构造，但由于利用了新的演习数据与演习方法，从而形成了不同的参数和推理办法。

技能细节方面来看，Real-CUGAN会先行对动漫帧进行切块处理，然后利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演习集。
然后利用多阶段降质算法，将高清图像块降采样得到低质图像，通过让AI模型学习、优化从低质图像到高质图像的重修过程，演习完毕后即可对真实的二次元低质图像进行高清化处理。

目前Real-CUGAN支持2x\3x\4x倍超分辨率，个中2倍模型支持4种降噪强度与守旧修复，3倍/4倍模型支持2种降噪强度与守旧修复，同时，如果你是Windows用户，作者还知心肠准备了Windows-GUI版本，https://github.com/Justin62628/Squirrel-RIFE/releases/tag/v0.0.3，***后即可利用。

与Waifu2x(CUNet)和Real-ESRGAN(Anime6B)比较，Real-CUGAN的上风还是比较明显的，作者也进行了一波比拟，结果如下：

目前B站的OGV国创剧《镇魂街第二季》已经已经上线了经由超分的4K分辨率版本，相信在未来，更多老番的高清重置版本也会在路上，AI技能的发展，正在从各个角度提升我们的体验。

(7874942)