在 2015 年 Waifu 2x 項目的出現可以說是為阿宅們在放大圖片方面開啟了一個新的時代, 基於深度卷積神經網路理論開發的 Waifu 2x 在放到 ACG 圖片方面有奇效,
首先說明 Waifu 2x 項目的開發是從香港中文大學的研究團隊的 SRCNN理論中得到靈感, 所謂 SRCNN 是 Super-Resolution Convolutional Neural Network 的縮寫,
放大後的照片會顯得比較奇怪
而 Waifu 2x 其實是通過卷積神經網路去學習大量的圖片, 將還原的圖片進行自我理解, 按照自己的理解還原圖片。 比如當我很想搞事的使用 Waifu 2x 放大茅野愛衣那張戴戒指的小圖的時候, 就會發現即便在 Bigjpg 上選擇照片模式,
Waifu 2x 放大漫畫網點
而另一個極端案例就是漫畫常見的網點, 如果用 Waifu 2x 放大漫畫網點, 就會發現放大後的圖片是 Waifu 2x 自己補足的網點, 和真正的漫畫網點圖並非一致。 而神奇的是當將放大的圖片縮小為 0.5 倍後與原始網點圖片又並無二致。
這次要談的 Bigjpg 網站所使用的技術之前已經提到是基於 Waifu 2x 技術優化, 實際上從 2015 年 Waifu 2x 這個技術出現後,相關的 Waifu 2x 線上圖片放大網站,還有本地軟體已經有一些。 Bigjpg 對於國內用戶來說更加友好一些,比如支持最高放大 16 倍,素材圖片最大解析度與檔小大限制在 3000 × 3000 與 10 M 以內。註冊使用者還可以實現離線處理圖片,保留圖片處理歷史等功能,就 ACG 類圖片處理來說 Bigjpg 絕對滿足日常使用需求。
原始尺寸
放大 2 倍後的效果
今天我特別試了下人類照片在該網站的放大,比如杉田智和的這張照片原始解析度是 400 × 266。在選擇照片處理模式,高降噪的情況下,2 倍放大的效果(800 × 532)要比 4 倍放大(1600 × 1064)好很多。
640 ×558 尺寸原始圖
左邊 Waifu 2x 放大 2 倍,右邊 Waifu 2x 放大 4 倍
左邊官圖 2974 × 2115 版本與右邊 Waifu 2x 放大 4 倍版本對比
在動畫圖片方面,我使用《寶石之國》的官圖,小圖是 640 ×558 尺寸,分別使用 Bigjpg 網站放大 2 倍、4 倍(均為高降噪),每張放大圖片處理時間 30 秒內,總體來說還是放大 2 倍的效果最好,放大 4 倍的話,之前提到 Waifu 2x 實際上是機器自動腦補出圖片的細節內容之後放大,與官圖的大圖版對比就會發現明顯的區別。像中等解析度與比較小的解析度圖片 2 倍放大的效果是最好的,再進一步方法圖片就很彆扭了。而本身就是高解析度的圖片在 Bigjpg 可以進行再度放大來符合 4K 螢幕標準。比如將 2974 × 2115 版本的寶石之國官圖放大 4 倍得出的效果,就非常好。
實際上從 2015 年 Waifu 2x 這個技術出現後,相關的 Waifu 2x 線上圖片放大網站,還有本地軟體已經有一些。 Bigjpg 對於國內用戶來說更加友好一些,比如支持最高放大 16 倍,素材圖片最大解析度與檔小大限制在 3000 × 3000 與 10 M 以內。註冊使用者還可以實現離線處理圖片,保留圖片處理歷史等功能,就 ACG 類圖片處理來說 Bigjpg 絕對滿足日常使用需求。原始尺寸
放大 2 倍後的效果
今天我特別試了下人類照片在該網站的放大,比如杉田智和的這張照片原始解析度是 400 × 266。在選擇照片處理模式,高降噪的情況下,2 倍放大的效果(800 × 532)要比 4 倍放大(1600 × 1064)好很多。
640 ×558 尺寸原始圖
左邊 Waifu 2x 放大 2 倍,右邊 Waifu 2x 放大 4 倍
左邊官圖 2974 × 2115 版本與右邊 Waifu 2x 放大 4 倍版本對比
在動畫圖片方面,我使用《寶石之國》的官圖,小圖是 640 ×558 尺寸,分別使用 Bigjpg 網站放大 2 倍、4 倍(均為高降噪),每張放大圖片處理時間 30 秒內,總體來說還是放大 2 倍的效果最好,放大 4 倍的話,之前提到 Waifu 2x 實際上是機器自動腦補出圖片的細節內容之後放大,與官圖的大圖版對比就會發現明顯的區別。像中等解析度與比較小的解析度圖片 2 倍放大的效果是最好的,再進一步方法圖片就很彆扭了。而本身就是高解析度的圖片在 Bigjpg 可以進行再度放大來符合 4K 螢幕標準。比如將 2974 × 2115 版本的寶石之國官圖放大 4 倍得出的效果,就非常好。