[Github发现] Real-ESRGAN – 腾讯开源的通用图像/视频超分辨率工具

图片放大后模糊、噪点多、压缩伪影明显——这是许多人处理老照片、截图、动漫图时都会遇到的痛点。传统插值算法放大后边缘毛刺严重，付费商业软件价格又不菲。今天推荐一个完全免费开源的解决方案：Real-ESRGAN，来自腾讯 ARC Lab，GitHub 超过 34,900 颗星，是目前最流行的 AI 图像/视频超分辨率工具之一。

相关链接

• GitHub 仓库：github.com/xinntao/Real-ESRGAN（34.9k ⭐ | 4.3k Fork）

Real-ESRGAN 是什么

Real-ESRGAN 的全称是 Real-World Enhanced Super-Resolution GAN，由腾讯 ARC Lab（先进技术实验室）开发并在 GitHub 开源。项目基于经典的 ESRGAN 进行扩展，目标是训练一个能够处理真实世界退化图像的超分辨率模型。

与传统超分辨率方法不同，Real-ESRGAN 使用纯合成数据进行训练——通过模拟真实世界中图像常见的退化过程（模糊、噪声、JPEG 压缩伪影、缩放等）生成大量训练对，让模型学会在不需要事先知道退化类型的情况下”盲修复”各种低质量图像。

项目作者为 Xintao Wang（王欣涛）、Liangbin Xie、Chao Dong、Ying Shan，其中 Xintao Wang 同时也是开源工具箱 BasicSR 和人脸修复工具 GFPGAN 的作者，在图像修复领域有较高影响力。Real-ESRGAN 论文发表于 ICCV 2021。

核心功能

1. 多场景图像超分辨率

Real-ESRGAN 提供多个预训练模型，适用于不同场景：

模型名称	适用场景	放大倍数	说明
RealESRGAN_x4plus	通用图片	2/3/4/任意	默认主力模型，通用场景首选
RealESRNet_x4plus	通用图片	4	Real-ESRGAN 的 RealESRNet 版本
RealESRGAN_x4plus_anime_6B	动漫插图	4	专为动漫优化，模型体积小（6B），效果优于 waifu2x
realesrgan-x4plus-anime	动漫图片	4	动漫场景轻量版
realesr-animevideov3	动漫视频	4	专门针对动漫视频的放大模型
realesr-general-x4v3	通用场景（轻量）	2/3/4	小模型，支持 -dn 参数调节降噪强度

2. 人脸增强（GFPGAN 集成）

在图像中存在人脸时，可以配合 GFPGAN 进行人脸细节增强。使用 --face_enhance 参数即可自动调用 GFPGAN 对修复后的人脸进一步美化，适合处理老照片、监控截图等包含人脸的低分辨率图像。

3. 视频超分辨率

除静态图片外，Real-ESRGAN 还支持视频放大。通过 inference_realesrgan_video.py 脚本，可对整个视频文件进行超分辨率处理，专用的 realesr-animevideov3 模型对动漫视频效果尤为突出。

4. 多种退化类型处理

Real-ESRGAN 训练数据涵盖了真实世界图像中常见的多种退化：

• 模糊：高斯模糊、运动模糊
• 噪声：高斯噪声、相机噪声
• JPEG 压缩伪影：低质量压缩产生的块效应和振铃效应
• 下采样：多种缩放比例
• Alpha 通道：支持透明通道图片
• 灰度图：支持单通道图像
• 16-bit 图像：支持 HDR 图像格式

5. 分块并行处理（Tile 模式）

对于超大分辨率图像，Real-ESRGAN 支持分块处理（Tile），避免显存不足的问题。图像被自动切割成多个小块分别处理，最后拼接成完整的高分辨率图像。

快速部署

方式一：Python 脚本（推荐有 PyTorch 环境的用户）

环境要求：Python >= 3.7，PyTorch >= 1.7

# 1. 克隆仓库
git clone https://github.com/xinntao/Real-ESRGAN.git
cd Real-ESRGAN

# 2. 安装依赖
pip install basicsr
pip install facexlib
pip install gfpgan
pip install -r requirements.txt
python setup.py develop

# 3. 下载预训练模型（通用图片）
wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth -P weights

# 4. 运行推理
python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --face_enhance

输出结果默认保存在 results 目录。常用参数说明：

• -n：选择模型（RealESRGAN_x4plus、RealESRGAN_x4plus_anime_6B 等）
• -i：输入图片路径或文件夹
• -o：输出路径
• --outscale：最终放大倍数，支持任意值（如 3.5），不只是 2/3/4
• --face_enhance：启用 GFPGAN 人脸增强
• --fp32：使用 FP32 精度（默认 FP16，半精度加速）

方式二：便携可执行文件（无需 Python/CUDA 环境）

如果你没有 Python 环境，或不想安装 PyTorch，可以使用官方提供的跨平台便携版（基于 NCNN + Vulkan），支持 Windows、Linux、macOS，Intel/AMD/Nvidia GPU 均可运行。

• 下载 Windows 版
• 下载 Linux 版
• 下载 macOS 版

# Windows 示例
./realesrgan-ncnn-vulkan.exe -i input.jpg -o output.png -n realesrgan-x4plus

# 动漫图片专用
./realesrgan-ncnn-vulkan.exe -i anime.png -o anime_out.png -n realesrgan-x4plus-anime

# 指定放大倍数
./realesrgan-ncnn-vulkan.exe -i input.jpg -o output.png -s 2

注意：NCNN 便携版不支持 --outscale 等部分高级参数，且分块处理方式可能导致边缘略有接缝，这是技术限制，非 bug。

方式三：Huggingface Spaces 在线体验

零安装，浏览器直接使用：Real-ESRGAN on Huggingface Spaces

适用人群

• 摄影师和设计师：提升图片分辨率用于印刷或二次编辑
• 二次元爱好者：动漫插图、截图的 4 倍无损放大，AnimeVideo 模型对动漫视频效果出色
• 老照片修复：配合 GFPGAN 人脸增强，修复模糊的家庭老照片
• 视频内容创作者：提升素材分辨率，配合剪映/PR 使用
• 开发者和研究人员：基于 BasicSR 框架训练自己的超分辨率模型
• 监控/遥感图像处理：从低分辨率图像中提取更多细节

生态周边

Real-ESRGAN 影响力很大，围绕它已形成丰富的开源生态：

• Waifu2x-Extension-GUI：整合 Real-ESRGAN 的 Windows GUI 工具
• Upscayl：跨平台 AI 放大工具，内置 Real-ESRGAN
• Squirrel-RIFE：视频放大补帧工具
• RealSR-NCNN-Android：安卓手机端 AI 放大
• vs-realesrgan：VapourSynth 视频处理插件

总结

Real-ESRGAN 是一款从学术论文走向工程实践非常成功的开源项目。它解决了”真实世界图像退化”这一超分辨率领域的核心难题，通过纯合成数据训练的方式让模型具备真正的盲修复能力。项目配套完整——多种预训练模型满足不同场景、Python 和便携可执行文件两种部署方式、丰富的生态周边，34.9k 星的数据也证明了其社区认可度。

无论你是想放大一张模糊的旧照片，还是批量处理一批动漫视频素材，Real-ESRGAN 都是一个值得收藏进工具箱的免费开源方案。AnimeVideo-v3 模型的推出更是填补了动漫视频 AI 放大这一细分场景的空白，值得实测体验。