Upscayl(桌面端)
Upscayl 是一个免费开源的 AI 图像超分辨率工具,软件已在Github开源,版本齐全,Windows、MacOS、Linux都能使用。
官网下载页面2023.05
目前暂无汉化版,但是操作简单,仅需四步
第一步:点击【SELECT IMAGE】,上传自己需要修复的照片
第二步:图片完成后,选择修复模型,软件内置六个不同的图像处理模型(2023.05.05截止),可以根据需要选择模型
第三步:点击【SET OUT FOLDER】设置图片输出位置
第四步:最后点击【UPSCAYL】即可坐等图片修复完成
如果图片比较多,可以开启“Batch Upscale”选择文件夹,将会把文件夹中全部图片批量放大。
软件默认放大 4 倍,勾选“Double Upscale”可放大 8 倍。
在高级选项中可以选择将图像保存为 PNG、JPG 或 WEBP 格式
【Upscayl Theme】是设置Upscayl客户端外观的选项
【GPU ID】可以选择手动 GPU ID 控制,默认使用第一块GPU
对于其内置的六种图像处理模型,下面是有关其的一些简要介绍,可以根据需要进行选择。
REAL-ESRGAN:这是一种基于增强超分辨率的图像增强模型,可以将低分辨率的图像转换为高分辨率图像。它采用了对抗生成网络(GAN)和残差卷积神经网络(RCNN)的结构,能够对图像进行更加精细的处理和增强。该模型适合处理需要高分辨率和高质量的图像,如摄影、电影和游戏等领域。
RemaCRI:这是一种基于条件生成对抗网络(CGAN)的图像修复模型,可以对损坏或受污染的图像进行恢复和修复。该模型具有强大的学习能力和泛化能力,可以处理各种不同类型的图像损坏,包括噪声、模糊、切割等。该模型适合处理需要图像恢复和修复的领域,如医学图像、监控图像等。
UltraMix Balanced:这是一种基于深度卷积神经网络(DCNN)的图像增强模型,可以增强图像的色彩、对比度和细节等方面。该模型采用了深度残差网络(ResNet)和深度密集连接卷积神经网络(DenseNet)的结构,能够处理复杂的图像增强任务。该模型适合处理需要图像增强的领域,如卫星图像、无人机图像等。
UltraSharp:这是一种基于图像超分辨率的模型,可以将低分辨率的图像转换为高分辨率图像。该模型采用了深度残差网络(ResNet)和反卷积神经网络(DeconvNet)的结构,能够处理较为复杂的超分辨率任务。该模型适合处理需要高分辨率图像的领域,如医学图像、地质图像等。
Digital Art:这是一种基于深度学习技术的数字艺术模型,可以将现实世界中的图像转化为数字艺术风格的图像。该模型采用了卷积神经网络(CNN)和风格转移技术的结构,能够处理各种不同类型的图像,并生成不同的艺术风格。该模型适合处理需要数字艺术的领域,如电影、游戏。
Sharpen Image:这是一种基于图像锐化的模型,可以对图像进行锐化和增强。该模型使用了一种称为卷积核的数学技术,通过对图像进行卷积操作,可以提高图像的边缘和细节,并增强图像的清晰度和对比度。Sharpen Image模型适用于需要强化图像细节和轮廓的领域,如医学图像、卫星图像和安防监控图像等。
REAL-ESRGAN:基于深度学习的模型,如ResNet、VGG等,适合处理图像中具有大量细节的图片,可以进行去噪、分类、物体检测等处理。
RemaCRI:适合处理具有复杂细节和颜色空间转换的图片,可以进行去噪、超分辨率、增强对比度等处理。
UltraMix Balanced:适合处理具有多种颜色和亮度空间转换的图片,可以进行色彩校正、色彩增强、去噪等处理。
UltraSharp:适合处理具有高细节和低噪声的图片,可以进行边缘检测、形态学操作、超分辨率等处理。
Digital Art:适合处理数字艺术和创意图像,可以进行图像处理、色彩校正、艺术化等处理。
Sharpen Image:适合处理逆光照片,可以进行灰度拉伸、黑白转换、锐化等处理。