来自：开源最前线（ID：OpenSourceTop）
项目地址：https://www.infoworld.com/article/3442978/10-open-source-projects-proving-the-power-of-google-go.html
最近，号称是当下最强的动画实时超分辨率方法，火爆Github，已经在GitHub摘下8458颗星，并稳稳占在Github Trending榜多天了。
Anime4K可以将1080P的动画转换为4K分辨率，Anime4K的速度比Waifu2x快300倍，根据介绍提升画质的时间仅仅需要3ms！
前面提到的Waifu2x通过神经网络可以将2D图像升级到更高质量，但是，基于机器学习的方法存在一个问题，即实时升级1080p电影需要花费相当长的时间。而Anime4K则可以更简便的升级动漫。
另外，据开发人员B. Penn介绍，市场上的许多1080p动画并不是真正的1080p，在某些情况下，只是将900p左右的母带放大到1080p，因此就算是1080P，依然不可避免地会损失图像质量。
当放大动画视频时，Anime4K可以减少模糊程度，并在HLSL / GLSL / Java执行环境中运行。根据Penn的说法，Anime4K的算法本身很简单，当它在AMD RX Vega 64上运行时，最快可以在3毫秒内处理，甚至用于笔记本电脑的GPU也可以在9毫秒内处理。B. Penn还表示，即使在智能手机和笔记本电脑之类的低规格设备上，使用Anime4K也可以使动漫的清晰度增加。
以下是将1080p动画放大到4K（2160p）的示例，从左到右分别是Biliner、NGU、Waifu2x、Anime4K实现的效果。
还有将720p动画放大到1080p。你可以清楚地看到使用Anime4K的处理更加清晰，图像质量得到了改善。
但是，Penn表示，当用Anime4K放大多纹理 (Textures）的图像时，如下图所示，Anime4K的性能并不是很高，其结果几乎与Bilinear相同。
从以上对比，相信你已经知道Anime4K仅适用于动漫图像放大，因动漫往往没有丰富的纹理，而人眼对其边缘和线段更加敏感。超分辨率的原理流程如下：
LR_U为上采样后的低分辨率图像，r为高频残差，高分辨率图像HR = LR_U + r。
Penn发现对于锐利图像其残差图像中边缘和线段往往比较细，而对于模糊图像，其残差图像中边缘和线段往往比较粗。
因此，开发团队首先把残差厚度最小化当做目标，接着输入一张图和它的残差之后，“push”残差的像素，让残差线变细，这具有迭代地使图像梯度最大化的效果
for each pixel on the image:
for each direction (north, northeast, east, etc.):
using the residual, if an edge is found:
push the residual pixel in the current direction
push the color pixel in the current direction
其他详情可以自己到Github详细查看，最后附上Github地址：https://github.com/bloc97/Anime4K/blob/master/Preprint.md#proposed-method
●编号1043，输入编号直达本文
●输入m获取到文章目录
开源最前线
