GitHub上图像超分开源项目推荐【持续更新】
RAISR
- 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。
- GitHub星数：260
- GitHub地址：https://github.com/MKFMIKU/RAISR
Real-SR
- 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。
- GitHub星数：774
- GitHub地址：https://github.com/Tencent/Real-SR
BasicSR
- 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。
- GitHub星数：6.7k
- GitHub地址：https://github.com/XPixelGroup/BasicSR
waifu2x
- 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
- GitHub星数：27.5k
- GitHub地址：https://github.com/nagadomi/waifu2x
Real-ESRGAN
- 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。
- GitHub星数：27.8k
- GitHub地址：https://github.com/xinntao/Real-ESRGAN
Real-CUGAN
- 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。
- GitHub星数：5.6k
- GitHub地址：https://github.com/bilibili/ailab/tree/main/Real-CUGAN
ECBSR
- 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。
- GitHub星数：340
- GitHub地址：https://github.com/xindongzhang/ECBSR?tab=readme-ov-file
FriedRiceLab
- 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。
- GitHub星数：205
- GitHub地址：https://github.com/Fried-Rice-Lab/FriedRiceLab
Awesome-Super-Resolution
- 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。
- GitHub星数：2.5k
- GitHub地址：https://github.com/ChaofWang/Awesome-Super-Resolution
