2x-AnimeSharpV4 & Fast

缩放倍数： 2

架构： RCAN & RCAN PixelUnshuffle

链接： Github Release

作者： Kim2091

许可证： CC BY-NC-SA 4.0

用途： 动漫

主题：

输入类型： 图像

日期： 2025年1月7日

大小：

输入/输出通道： 3(RGB)->3(RGB)

数据集： ModernAnimation1080_v3 & digital_art_v3

数据集大小： 6k & 20k

OTF（实时增强）： 否

预训练模型： 2x-AnimeSharpV3_RCAN & 数据库的12k PU检查点

迭代次数： 100k RCAN & 400k RCAN PU

批次大小： 8

GT大小： 64

描述： 这是AnimeSharpV3的继任者，基于RCAN而非ESRGAN。它在各方面都超越了AnimeSharpV3的两个版本。它更锐利，保留了更多的细节，并且几乎没有伪影。它对输入图像极其忠实，即使是经过重度压缩的输入。

目前它与chaiNNer不兼容，但很快会在每日构建版本中提供（希望如此）。

2x-AnimeSharpV4_Fast_RCAN_PU模型是在RCAN PixelUnshuffle上训练的。这要快得多，但以质量为代价。我认为该模型具有完整V4 RCAN模型约95%的质量，但在PyTorch中速度快约6倍，在TensorRT中速度快约4倍。该模型非常适合视频处理，因此被训练来处理MPEG2和H264压缩。

现在要使用PyTorch版本的模型，您可以将ComfyUI中的spandrel库更新到0.4.1版本

或者，最新的chaiNNer nightly版本支持它：https://github.com/chaiNNer-org/chaiNNer-nightly/releases 对比：

https://slow.pics/c/63Qu8HTN

https://slow.pics/c/DBJPDJM9