LiveVideoStack

B站开源自研动漫超分辨率模型，助力动漫UGC视频高清化

超分辨率

LiveVideoStack 2022年1月27日

作者：刘璟郑龙

人类对于视频画质的升级是一个永无止尽的过程。从马赛克到高清画质，从720P到4K，视频平台正在不断提升画质，但目前各大视频平台的超高清内容还并不是很多，其关键在于超高清视频的制作难度远超普通视频制作，对设备以及后期技术的要求，为视频内容贡献者带来了很大的阻碍。

4K/8K内容缺乏始终是超高清视频产业发展的痛点，完善渠道、拍摄制作水平、技术等方面的不足是关键。随着软硬件能力的提升，4K的消费能力大幅提高，为了应对这种情况，需要提高4K的生产能力。除了新拍4K以外，超分4K是一个降低成本很好的途径。最近，B站在上线8K画质的同时，还面向UP主提供了4K超分功能，并为各位UP主直接提供画质升级的功能。

AI超分辨率技术是图像修复技术领域的一个子集方向。动漫视频的产出过程中往往带有一系列数字信号处理的过程，其中不乏原盘带有锯齿、晕轮、色块、不符合预期的噪声、作画分辨率过低后期放大导致的线条模糊等情况出现，动漫压制组往往需要对源进行下采样，在母带分辨率下对不同片段进行参数分析，并串联一系列滤镜进行手工修复，这造成了很大的人力成本。

在对大规模高质量二次元画风数据进行质量降低得到模拟的、需修复的原盘数据后，AI得以通过学习从低质图复原原图的逆过程来进行图像修复。当输出图像分辨率大于输入图像分辨率时，该技术被称作AI超分辨率技术，经过该技术处理后的图像可以在指定分辨率实现高清化。

B站自研的动漫超分模型训练先行对动漫帧进行切块处理，使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训练集。然后使用多阶段降质算法，将高清图像块降采样得到低质图像，让AI模型学习、优化从低质图像到高质图像的重建过程，训练完毕后即可对真实的二次元低质图像进行高清化处理，B站将开源推理阶段的模型参数与推理代码。

这种动漫图像超分模型被B站称为：Real-CUGAN，全称为Real Cascaded-U-Net-style Generative Adversarial Networks（真实的、级联U-Net风格的生成对抗网络），是一个使用了与Waifu2x相同的动漫模型结构，但是因为使用了新的训练数据与训练方法，导致形成了不同的参数和推理方式的模型。目前，B站已经将该技术开源。

将Real-CUGAN与目前广为流行的、针对动漫有特别优化的，开源模型Waifu2x（使用最新版CUNet-Noise3模式，下同）与Real-ESRGAN（使用最新动漫特别优化版RRDB_Anime6B，下同）进行对比，可以看到Real-CUGAN在速度和兼容性等方面都有一定的提升。

速度：Real-CUGAN、Waifu2x均约为Real-ESRGAN的2.2倍速度（V100上PyTorch推理速度约为6.3fps）；约为通用型Real-ESRGAN模型的8.4倍速度。

原理：Real-CUGAN采用与Waifu2x-CUNet相同的模型结构；Real-CUGAN的高清私有训练集块数量高达百万级，Waifu2x与Real-ESRGAN均为私有库，量级与质量未知；Real-CUGAN额外在频域上进行监督训练，Real-ESRGAN使用谱归一化U-Net鉴别器结构生成对抗训练。

兼容性：Waifu2x拥有最大的受众群体，有大量Windows上的APP应用，支持VapourSynth，享受N卡CUDA加速，也可通过NCNN模型使用A卡加速；Real-CUGAN与Waifu2x模型结构相同，可通过替换参数文件与现有APP完美兼容，也可通过开源的Windows应用使用；而引入Real-ESRGAN的Windows应用目前并不多。

功能性：Waifu2x支持不同降噪程度的1倍与2倍分辨率修复；Real-CUGAN目前支持2倍、3倍、4倍分辨率修复（未来将支持调整修复程度与任意倍率分辨率修复）；Real-ESRGAN动漫优化模型只支持4倍分辨率修复。

效果：我们使用一些具有典型性的难样本进行测试与主观性对比。

如下图所示：左上为输入，右上为Waifu2x，左下为Real-ESRGAN，右下为Real-CUGAN。

case1：纹理挑战型（测试图来自《侦探已死》第一集10分20秒）

通过对比可知：Waifu2x只有降噪，没有对线条的优化，锐利度最低；Real-ESRGAN纹理保留性最差，阴影处涂抹干净了；Real-CUGAN综合处理得最好。

case2：线条挑战型（测试图来自《东之伊甸》第四集7分30秒）

通过对比可知：Waifu2x只有去块与降噪，没有对线条的优化，锐利度最低；Real-ESRGAN对于较粗、较虚化的线条进行了错误处理，红框中的嘴部线条中间虚两边粗；Real-CUGAN线条锐利，处理正确。

case3：极致渣清型（测试图来自Real-ESRGAN官方测试样例）

通过对比可知：Waifu2x对jpeg压缩噪声未能处理干净，产生了部分更差的效果，反而使得画面变脏；Real-ESRGAN使画风发生了改变，无中生有产生杂乱线条，左下线条、右耳边缘处理异常，且出现偏色问题；Real-CUGAN表现最好。

未来，B站将针对不同品类适配不同的超分算法，并且使用窄带高清算法降低卡顿率提高流畅度、辅助客观画质评测加主观评测系统保障视频质量。

目前B站的OGV国创剧《镇魂街第二季》 (https://www.bilibili.com/bangumi/play/ss5626)已经上线了动漫超分4K清晰度，部分UP主也能体验到超分功能。

为了方便更多的创作者，B站将提供超分工具供用户下载使用，并且同时在Github上开源了超分算法：

https://github.com/bilibili/ailab/tree/main/Real-CUGAN。

本次开源面向了不同群体：包括Python（PyTorch）玩家、VapourSynth专业视频压制玩家和Waifu2x-Caffe玩家、爱好者等。

网盘下载模型参数、Waifu2x-Caffe模型参数和Windows可执行程序：

百度网盘

https://pan.baidu.com/s/10NbgnusDucllKiE0sgBWvQ

提取码 ds2a

SVIP不限速

和彩云

https://caiyun.139.com/m/i?015CHcKp82h15

提取码 1ONM

手机号验证码登录，不限速无需客户端

谷歌盘

https://drive.google.com/drive/folders/1UFgpV14uEAcgYvVw0fJuajzy1k7JIz6H

后续B站将对该仓库进行持续更新，其中包括：

将模型进一步轻量化，提高推理速度，降低显存占用需求
可调整的增强锐度，降噪强度，去块、去模糊强度
一步超到任意指定分辨率
优化纹理保留，削减模型处理痕迹
积极收集issue与用户意见，对模型进行持续优化改进

B站开源的动漫超分模型将助力更多的二次元UGC用户付出更少成本，更加便捷地制作出更高清高质的视频，同时有助于4K、8K高清视频的普及与推广。从推理速度、修复效果、处理痕迹等角度看，该模型将能够通用化，并达到先进水平。

全部评论

作者介绍

音视频技术社区

文章

粉丝

视频

阅读排行

2周
4周
16周

热门视频

B站开源自研动漫超分辨率模型，助力动漫UGC视频高清化

LiveVideoStack

新模式下音视频怎么玩？–海外Web3音视频趋势分享

用互联网发展视角看元宇宙创新

metaRTC的发展和应用场景探讨