无损放大图片与视频？这两款AI工具值得拥有
发布时间：2022-01-20 16:40:34 所属栏目：动态 来源：互联网
导读：身为一个编辑，除了文字工作这个主要的工作内容之外，经常还需要考虑一个很重要的问题：插图。 全是文字的文章肯定没有图文形式的文章抓人眼球，更别提这个视频当道的年代了，因此每次撰写文章的时候，笔者都要在无版权图片网站精挑细选，让图片和文章主旨
|
身为一个编辑，除了文字工作这个主要的工作内容之外，经常还需要考虑一个很重要的问题：插图。 全是文字的文章肯定没有图文形式的文章抓人眼球，更别提这个视频当道的年代了，因此每次撰写文章的时候，笔者都要在无版权图片网站精挑细选，让图片和文章主旨契合，并且最好是高分辨率的图像。 但意外也总是有的，有的时候遇到了分辨率不足但偏偏最适合的图像，就很让人苦恼了，直接将低分辨率图像插入文章中，会很明显地感觉到视觉上的不舒适，虽然现在PS甚至是Windows自带的画图工具都能修改图片分辨率，但强行拉伸的结果只会是：图片非常糊。 可以看到，使用waifu2x放大图片后，“5G”边缘的毛刺感不再明显，虽然部分区域还存在噪点问题，但整体上来说，比直接拉伸的效果要好太多。 那为什么waifu2x可以做到无损放大图片呢？这是因为waifu2x使用了名为SR-CNN的卷积算法，传统意义上来说，图像超分辨率问题研究的是在输入一张低分辨率图像时（LR），如何得到一张高分辨率图像（HR）。 传统的图像插值算法可以在某种程度上获得这种效果，比如最近邻插值、双线性插值和双三次插值等，但是这些算法获得的高分辨率图像效果并不理想。 SR-CNN是首个使用CNN结构（即基于深度学习）的端到端的超分辨率算法，它将整个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。 SR-CNN流程如下:首先输入预处理。对输入的低分辨率LR图像使用bicubic算法进行放大，放大为目标尺寸。 那么接下来算法的目标就是将输入的比较模糊的LR图像，经过卷积网络的处理，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。 与Bicubic、SC、NE+LLE、KK、ANR、A+这些超分算法相比，SR-CNN在大部分指标上都表现最好，且复原速度也在前列，且RGB通道联合训练效果最好，这就意味着相比照片，waifu2x在放大插画（你们最喜欢的二次元图片）时会更有优势。 那既然图片可以无损放大，视频呢？ 结果当然也是可行的，不过这次用到的工具，叫做Topaz Gigapixel AI for Video，这个软件通过数千个视频进行培训，并结合来自多个输入视频帧的信息，通过真实的细节和运动一致性将视频放大至8K分辨率。 （编辑：温州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
