super-resolution
super-resolution是一个基于TensorFlow 2.x的图像超分辨率工具库，专注于通过深度学习技术提升单张图片的分辨率和清晰度。它实现了EDSR、WDSR和SRGAN等获奖模型，能够将低分辨率图像转换为更细腻、更接近真实场景的高分辨率版本。工具通过自动下载DIV2K数据集并支持多种降质方式（如bicubic、unknown等），为图像增强提供了灵活的训练和测试环境。开发者可通过高阶API直接训练模型，或在SRGAN框架下对EDSR/WDSR进行微调，适合需要图像质量优化的技术团队和研究者。其技术亮点包括对竞赛优胜模型的完整实现、可扩展的训练流程以及针对不同应用场景的参数配置能力。
使用场景
某影视特效公司需修复1990年代电视剧的低分辨率画面，以适配4K播放平台。
没有 super-resolution 时
- 低分辨率画面导致人物面部纹路、服装细节模糊不清，影响观感
- 依赖人工逐帧手绘修复，单集耗时超200小时，成本高昂
- 常规算法生成的高清画面出现明显伪影（如边缘模糊、色彩失真）
- 无法保留原片胶片质感，画面过度锐利或失真
- 处理效率低下，难以满足多集同时期修复需求
使用 super-resolution 后
- EDSR模型显著增强细节清晰度，人物发丝、道具纹理等微小元素可辨
- 自动化处理使单集修复时间缩短至8小时，人力投入减少70%
- WDSR算法有效抑制伪影，画面边缘保持自然过渡，色彩还原度提升
- SRGAN生成画面保留原片复古色调与胶片颗粒感，符合历史还原需求
- 支持批量处理，同时修复5部剧集的效率提升5倍
核心价值：通过高精度超分辨率技术，在保持画面艺术风格的同时，实现高效、高质量的老旧影像数字化升级。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明
快速开始
使用EDSR、WDSR和SRGAN的单图像超分辨率
基于TensorFlow 2.x的实现，包括：
- 用于单图像超分辨率的增强深度残差网络（EDSR），该模型赢得了NTIRE 2017超分辨率挑战赛。
- 用于高效且精确图像超分辨率的宽激活函数（WDSR），该模型赢得了NTIRE 2018超分辨率挑战赛（真实场景赛道）。
- 使用生成对抗网络实现照片级真实的单图像超分辨率（SRGAN）。
这是对之前基于Keras/TensorFlow 1.x的实现的全新重写，旧版本可在这里找到。部分功能仍在开发中，但您已经可以通过高级训练API按照论文中的方法训练模型。此外，您还可以在SRGAN框架下对EDSR和WDSR模型进行微调。训练和使用示例分别在以下notebook中给出：
一个DIV2K数据提供者会自动下载指定缩放倍数（2、3、4或8）和降质算子（“双三次”、“未知”、“轻微”或“困难”）的DIV2K训练和验证图像。
重要提示： 如果您希望使用除DIV2K之外的数据集来评估预训练模型，请先阅读此评论及其回复。
环境设置
创建一个新的conda环境：
conda env create -f environment.yml
然后激活它：
conda activate sisr
简介
您可以在这篇文章中找到关于单图像超分辨率的介绍。文中还演示了如何使用SRGAN对EDSR和WDSR模型进行微调（参见本节）。
快速入门
本节中的示例需要以下预训练权重才能运行（请参阅示例notebook）：
预训练权重
- weights-edsr-16-x4.tar.gz
- EDSR x4基准模型，如EDSR论文所述：16个残差块，64个滤波器，152万参数。
- 在
DIV2K验证集上的PSNR为28.89 dB（图像801–900，包含6+4像素边框）。
- weights-wdsr-b-32-x4.tar.gz
- WDSR B x4自定义模型：32个残差块，32个滤波器，扩张因子6，62万参数。
- 在
DIV2K验证集上的PSNR为28.91 dB（图像801–900，包含6+4像素边框）。
- weights-srgan.tar.gz
- SRGAN模型，如SRGAN论文所述：155万参数，使用VGG54内容损失进行训练。
下载后，将其解压到项目根目录：
tar xvfz weights-<...>.tar.gz
EDSR
from model import resolve_single
from model.edsr import edsr
from utils import load_image, plot_sample
model = edsr(scale=4, num_res_blocks=16)
model.load_weights('weights/edsr-16-x4/weights.h5')
lr = load_image('demo/0851x4-crop.png')
sr = resolve_single(model, lr)
plot_sample(lr, sr)
WDSR
from model.wdsr import wdsr_b
model = wdsr_b(scale=4, num_res_blocks=32)
model.load_weights('weights/wdsr-b-32-x4/weights.h5')
lr = load_image('demo/0829x4-crop.png')
sr = resolve_single(model, lr)
plot_sample(lr, sr)
WDSR模型中的权重归一化是通过TensorFlow Addons的新WeightNormalization层包装实现的。在其最新版本中，当调用model.predict(...)时，该包装似乎会导致权重损坏。一种解决方法是将model.run_eagerly = True，或者提前使用model.compile(loss='mae')编译模型。不过，直接调用model(...)时并不会出现此问题。这一问题仍需进一步研究……
SRGAN
from model.srgan import generator
model = generator()
model.load_weights('weights/srgan/gan_generator.h5')
lr = load_image('demo/0869x4-crop.png')
sr = resolve_single(model, lr)
plot_sample(lr, sr)
DIV2K数据集
为了在DIV2K（https://data.vision.ee.ethz.ch/cvl/DIV2K/）图像上进行训练和验证，应用程序应使用提供的DIV2K数据加载器。它会自动将DIV2K图像下载到.div2k目录，并将其转换为更快加载的格式。
训练数据集
from data import DIV2K
train_loader = DIV2K(scale=4, # 2、3、4或8
downgrade='bicubic', # 'bicubic'、'unknown'、'mild'或'difficult'
subset='train') # 训练数据集为图像001–800
# 创建一个tf.data.Dataset
train_ds = train_loader.dataset(batch_size=16, # 批量大小如EDSR和WDSR论文所述
random_transform=True, # 如EDSR论文所述的随机裁剪、翻转、旋转
repeat_count=None) # 无限循环迭代训练图像
# 遍历低分辨率/高分辨率图像对
for lr, hr in train_ds:
# ....
高分辨率图像的裁剪尺寸为96×96。
验证数据集
from data import DIV2K
valid_loader = DIV2K(scale=4, # 2、3、4或8
downgrade='bicubic', # 'bicubic'、'unknown'、'mild'或'difficult'
subset='valid') # 验证数据集为图像801–900
# 创建一个tf.data.Dataset
valid_ds = valid_loader.dataset(batch_size=1, # 使用批量大小为1，因为`DIV2K`图像尺寸不同
random_transform=False, # 使用原始尺寸的`DIV2K`图像
repeat_count=1) # 1个epoch
# 遍历低分辨率/高分辨率图像对
for lr, hr in valid_ds:
# ....
训练
以下训练示例使用前面描述的训练和验证数据集。高级训练API以步数（即小批量更新）而非轮次为核心设计，以便更好地匹配论文中的描述。
EDSR
from model.edsr import edsr
from train import EdsrTrainer
# 创建一个用于训练 EDSR x4 模型的上下文，该模型包含 16 个残差块。
trainer = EdsrTrainer(model=edsr(scale=4, num_res_blocks=16),
checkpoint_dir=f'.ckpt/edsr-16-x4')
# 训练 EDSR 模型 300,000 步，并在 DIV2K 验证集的前 10 张图像上每 1000 步评估一次。仅当评估 PSNR 提升时才保存检查点。
trainer.train(train_ds,
valid_ds.take(10),
steps=300000,
evaluate_every=1000,
save_best_only=True)
# 从 PSNR 最高的检查点恢复模型。
trainer.restore()
# 在完整的验证集上评估模型。
psnr = trainer.evaluate(valid_ds)
print(f'PSNR = {psnr.numpy():3f}')
# 将权重保存到单独的位置。
trainer.model.save_weights('weights/edsr-16-x4/weights.h5')
中断训练并重新启动时，将从最近保存的检查点继续。训练好的 Keras 模型可以通过 trainer.model 访问。
WDSR
from model.wdsr import wdsr_b
from train import WdsrTrainer
# 创建一个用于训练 WDSR B x4 模型的上下文，该模型包含 32 个残差块。
trainer = WdsrTrainer(model=wdsr_b(scale=4, num_res_blocks=32),
checkpoint_dir=f'.ckpt/wdsr-b-8-x4')
# 训练 WDSR B 模型 300,000 步，并在 DIV2K 验证集的前 10 张图像上每 1000 步评估一次。仅当评估 PSNR 提升时才保存检查点。
trainer.train(train_ds,
valid_ds.take(10),
steps=300000,
evaluate_every=1000,
save_best_only=True)
# 从 PSNR 最高的检查点恢复模型。
trainer.restore()
# 在完整的验证集上评估模型。
psnr = trainer.evaluate(valid_ds)
print(f'PSNR = {psnr.numpy():3f}')
# 将权重保存到单独的位置。
trainer.model.save_weights('weights/wdsr-b-32-x4/weights.h5')
SRGAN
生成器预训练
from model.srgan import generator
from train import SrganGeneratorTrainer
# 创建一个仅针对生成器（SRResNet）的训练上下文。
pre_trainer = SrganGeneratorTrainer(model=generator(), checkpoint_dir=f'.ckpt/pre_generator')
# 对生成器进行预训练，共 1,000,000 步（100,000 步也足够）。
pre_trainer.train(train_ds, valid_ds.take(10), steps=1000000, evaluate_every=1000)
# 保存预训练生成器的权重（用于后续与 GAN 的微调）。
pre_trainer.model.save_weights('weights/srgan/pre_generator.h5')
生成器微调（GAN）
from model.srgan import generator, discriminator
from train import SrganTrainer
# 创建一个新的生成器，并用预训练权重初始化。
gan_generator = generator()
gan_generator.load_weights('weights/srgan/pre_generator.h5')
# 创建一个针对 GAN（生成器 + 判别器）的训练上下文。
gan_trainer = SrganTrainer(generator=gan_generator, discriminator=discriminator())
# 训练 GAN 共 200,000 步。
gan_trainer.train(train_ds, steps=200000)
# 保存生成器和判别器的权重。
gan_trainer.generator.save_weights('weights/srgan/gan_generator.h5')
gan_trainer.discriminator.save_weights('weights/srgan/gan_discriminator.h5')
使用 SRGAN 微调 EDSR 和 WDSR 模型
也可以使用 SRGAN 对 EDSR 和 WDSR x4 模型进行微调。这些模型可以直接替换原始的 SRGAN 生成器。更多细节请参阅这篇文章。
# 创建 EDSR 生成器，并用预训练权重初始化
generator = edsr(scale=4, num_res_blocks=16)
generator.load_weights('weights/edsr-16-x4/weights.h5')
# 通过 SRGAN 训练对 EDSR 模型进行微调。
gan_trainer = SrganTrainer(generator=generator, discriminator=discriminator())
gan_trainer.train(train_ds, steps=200000)
# 创建 WDSR B 生成器，并用预训练权重初始化
generator = wdsr_b(scale=4, num_res_blocks=32)
generator.load_weights('weights/wdsr-b-16-32/weights.h5')
# 通过 SRGAN 训练对 WDSR B 模型进行微调。
gan_trainer = SrganTrainer(generator=generator, discriminator=discriminator())
gan_trainer.train(train_ds, steps=200000)
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。