当前位置： 首页 > news >正文

GitHub上图像超分开源项目推荐【持续更新】

news 2025/7/18 13:59:10

SRCNN

  1. 介绍：SRCNN（Super-Resolution Convolutional Neural Network）是一种用于图像超分辨率的卷积神经网络。它由Dong等人在2014年提出，是早期的深度学习方法之一，用于提高图像的分辨率。SRCNN通过学习低分辨率（LR）图像到高分辨率（HR）图像的映射关系，来重建高分辨率图像。
  2. GitHub 星数：20
  3. GitHub 地址：https://github.com/1990571096/SRCNN_Pytorch
  4. 项目地址：http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html

RAISR

  1. 介绍：RAISR（Rapid and Accurate Image Super-Resolution）是一种由Google开发的图像超分辨率技术，它利用机器学习算法来提高低分辨率图像的质量，使其看起来更加清晰和细致。这项技术可以在移动设备上实时运行，并且能够减少图像的带宽需求，从而节省数据和提高加载速度。
  2. GitHub星数：260
  3. GitHub地址：https://github.com/MKFMIKU/RAISR
    在这里插入图片描述

Real-SR

  1. 介绍：Real-SR是由腾讯优图实验室提出的一种新的图像超分辨率算法，它在CVPR-NTIRE-2020真实图像超分比赛中以明显优势获得了双赛道冠军。
  2. GitHub星数：774
  3. GitHub地址：https://github.com/Tencent/Real-SR
    在这里插入图片描述

BasicSR

  1. 介绍：BasicSR是一个基于PyTorch的开源图像和视频复原工具箱，专注于超分辨率、去噪、去模糊、去JPEG压缩噪声等任务。它由香港中文大学多媒体实验室XPixel Group开发和维护，提供了多种复原算法，如EDSR、RCAN、SRResNet、SRGAN、ESRGAN、EDVR、BasicVSR、SwinIR等。
  2. GitHub星数：6.7k
  3. GitHub地址：https://github.com/XPixelGroup/BasicSR
    在这里插入图片描述

waifu2x

  1. 介绍：waifu2x是一个使用深度卷积神经网络对动漫风格的图片进行放大操作的工具，它支持照片，并能够降噪
  2. GitHub星数：27.5k
  3. GitHub地址：https://github.com/nagadomi/waifu2x

Real-ESRGAN

  1. 介绍：Real-ESRGAN是一个基于深度学习的图像超分辨率重建模型，它使用纯合成数据进行训练，以提高真实世界图像的分辨率和清晰度。这个模型特别适合用于增强图像的细节，同时减少常见的真实图像中的恼人伪影。
  2. GitHub星数：27.8k
  3. GitHub地址：https://github.com/xinntao/Real-ESRGAN
    在这里插入图片描述

Real-CUGAN

  1. 介绍： B站开源的动漫图像超分辨率模型，使用百万级动漫数据进行训练。
  2. GitHub星数：5.6k
  3. GitHub地址：https://github.com/bilibili/ailab/tree/main/Real-CUGAN
    在这里插入图片描述

ECBSR

  1. 介绍：ECBSR（Edge-oriented Convolution Block for Real-time Super Resolution on Mobile Devices）是一个为移动设备设计的高效轻量级图像超分辨率深度学习模型。它通过引入独特的边缘导向卷积块，能够在保持高效运行的同时，提升图像的超分辨率效果。
  2. GitHub星数：340
  3. GitHub地址：https://github.com/xindongzhang/ECBSR?tab=readme-ov-file
    在这里插入图片描述

FriedRiceLab

  1. 介绍：FriedRiceLab 是一个专注于图像超分辨率研究的实验室，其开源项目在 GitHub 上受到了关注。其中，一个显著的项目是 Efficient Mixed Transformer (EMT)，这是一个用于单图像超分辨率的新方法，它通过混合 Transformer 块（MTB）和条纹窗口 Self-Attention（SWSA）来提高效率和性能。该方法在 benchmark 数据集上超越了现有的方法，达到了最先进的性能水平。EMT 项目的代码可以在 GitHub 上找到。
  2. GitHub星数：205
  3. GitHub地址：https://github.com/Fried-Rice-Lab/FriedRiceLab
    在这里插入图片描述

Awesome-Super-Resolution

  1. 介绍：Awesome-Super-Resolution 是一个 GitHub 上的资源库，它汇集了众多与图像超分辨率相关的研究论文、数据集和开源代码库。该项目由 ChaofWang 维护，并得到了社区的广泛认可。
  2. GitHub星数：2.5k
  3. GitHub地址：https://github.com/ChaofWang/Awesome-Super-Resolution
    在这里插入图片描述
http://www.lryc.cn/news/444892.html

相关文章：

  • 浅谈软件测试的基础知识（1）
  • Mac 上哪个剪切板增强工具比较好用? 好用剪切板工具推荐
  • 基于opencv的车牌检测和识别系统(代码+教程)
  • list(二) （list模拟实现）
  • [Linux]从零开始的泰山派系统安装与远程教程
  • Python国产新 ORM 框架 fastzdp_sqlmodel 快速入门教程
  • 面试速通宝典——3
  • 每天一个数据分析题（四百七十三）- 元数据
  • 产品经理面试整理-练习常见面试问题
  • 一步到位的智慧：BI可视化大屏在复杂环境中如何精准拾取目标
  • 前端开发迎来新机会，全栈转型就靠这个！
  • 关于less的基本使用
  • python 将 aac 转为 mp3，保持原有目录结构
  • 考研数据结构——C语言实现折半查找
  • 【游戏引擎】C++自制游戏引擎 Lunar Game Engine
  • 使用【Sa-Token】实现Http Basic 认证
  • layui table中的checkbox禁用问题
  • 102.SAPUI5 sap.ndc.BarcodeScannerButton调用摄像头时，localhost访问正常，使用IP访问失败
  • 20240923软考架构-------软考186-190答案解析
  • 基于Spring Boot的宠物咖啡馆平台【附源码】
  • C++模拟实现list：list、list类的初始化和尾插、list的迭代器的基本实现、list的完整实现、测试、整个list类等的介绍
  • Offer60:n个骰子的点数
  • 几种常见的索引类型扫描
  • 苹果CMS插件：优化蜘蛛访问内容，提升百度收录率
  • 后端开发刷题 | 没有重复项数字的全排列
  • Python中的“打开与关闭文件”：从入门到精通
  • 9.23 My_string.cpp
  • 【android10】【binder】【3.向servicemanager注册服务】
  • Java — LeetCode 面试经典150题(一)
  • Python酷玩之旅_mysql-connector