[开源]ACG2vec 系列之 CUGAN_TF——运行在浏览器上的动漫超分工具（Real-CUGAN 的 tensorflow 实现）

介绍

在线预览（目前包含文本搜索、以图搜图、文本搜图、图片分数预测）：https://cheerfun.dev/acg2vec/

开源仓库：https://github.com/OysterQAQ/ACG2vec

演示页前端开源仓库：https://github.com/wewewe131/acg2vec-frontend

以上两个仓库求个 star QAQ🌟🌟🌟

当前最优秀的动漫领域超分模型之一Real-CUGAN的 tensorflow 实现，依赖tfjs框架完成自适应后端的能运行在浏览器上的动漫超分工具。

原版实现分为切块后超分与整图超分，两种都以实现，但切块超分版本转为 tfjs 模型后在网页运行不正常，已向tfjs仓库提交issue。目前预览版本是整图超分版本，由于内存限制，限制了原始图片大小（ 512x512 以内），后续 issue 解决将发布切块超分，大概率将不会有限制。

This module is an implementation of one of the current leading anime super-resolution models in the field, Real-CUGAN, using TensorFlow. It relies on the tfjs framework to create an adaptive backend, enabling it to run as an anime super-resolution tool in web browsers.

The original implementation offers two versions: chunk-based super-resolution and full-image super-resolution, both of which have been implemented. However, the chunk-based super-resolution version encounters issues when converted into a tfjs model and run in a web browser. An issue has been raised in the tfjs repository to address this problem.

The current preview version focuses on full-image super-resolution but has limitations on the original image size (up to 512x512) due to memory constraints. Once the issue is resolved, the chunk-based super-resolution version is likely to be released without such limitations.

预览

效果

输入

无降噪输出

保守输出

降噪输出

pytorch 模型迁移到 tensorflow 应该注意的点

图片处理默认维度顺序： tensorflow 为 nhwc ，pytorch 为 nchw ，卷积权重维度顺序也不相同
tensorflow 转置卷积无法自定义 padding： Conv2DTranspose 层 padding 设为 0 ，后续使用 slice 手动 crop 输出
tf.pad 无法接受负数：使用 tf.slice 作为替代
多尺寸输入导致无法 batch：无解
延迟设置输入尺寸运行时获取 size：这是 tensorflow 图模型的限制
python 操作逻辑最好翻译为 tensorflow 分支选择 api
TensorArray：TensorArray 是图模式中 python list 替代品，TensorArray 在 eager 模式 TensorArray.write(i, x)可以直接生效，而在 graph 模式时需要将引用赋值给自身