Github学习-1

Github

目的:托管项目代码

基本概念:

仓库(Repository):用来存放项目代码,每个项目对应一个仓库,多个开源项目则有多个仓库。

收藏(Star)按钮:收藏项目的人数,超过100个Star的项目一般质量不错。

复制克隆项目(Fork)按钮:将张三/test仓库复制一份给李四(李四/test仓库),该fork的项目是独立存在的。

发起请求(Pull Request):基于Fork的操作,若李四/test仓库做了更改(如增加了一个文件),李四可以进行pull request操作,使李四/test仓库的代码更新动作发送给张三,等待张三进行查看;若张三发现还不错,则进行合并到原仓库

关注(Watch):表示关注某个项目,会第一时间接收到该项目的通知提醒。  

事务卡片(issue):发现代码BUG,但是目前没有成型代码,需要讨论;看到别人提出的issue,可以逐个去修复,修复ok就可以一个个close掉。

Github主页:左侧显式用户动态及关注用户或关注仓库的动态;右侧显式所有git库。

仓库主页:主要显示项目信息,如:项目代码,版本,收藏/关注/fork情况等

个人主页:关注的库,自己的开源库,等。。

脚下留心:注册后需要验证邮箱;设置邮箱白名单,保证正常接收github的邮件;

 

 

告别AV画质:实时把动画变成4k高清,延时仅3毫秒,登上GitHub趋势榜 量子位 量子位 ​ 已认证的官方帐号 7,564 人赞同了该文章 栗子 发自 凹非寺 量子位 出品 | 公众号 QbitAI △ 来自《珈百璃的堕落》 看动画 (特别是里番) 的时候,总会觉得画质不够好,就算已经有1080p,还是会感到不够清晰。 所以,这个世界十分需要一套拯救分辨率的魔法。 如今,有个名叫Anime4K的开源算法,能在动画播放中,实时把画面变成4k,延时低至3毫秒。 能把720p/1080p变成2160p,也能把480p变成1080p。 团队说,这是当下最强 (State-of-the-Art) 的动画实时超分辨率方法,可以拿任何编程语言实现。 现在,项目已经在GitHub摘下3700多颗星,并一度登上了趋势榜。 那么,这个算法究竟是如何造福人类的? 只搞动画 团队在论文里感慨道: 传统超分辨率算法 (如Bicubic) ,结果不怎么好,因为它们根本不是为了动画而生的。 传统的去模糊 (Unblurring) 或锐化 (Sharpening) 方式,在靠近物体边缘的时候会发生过冲 (Overshoot) ,分散观众注意力,降低图像的感知质量 (Perceptual Quality) 。 而机器学习方法 (如waifu2x) 又太慢,完全不能实时 (<30毫秒) ,尤其是需要超高清的时候。 △ waifu2x 而Anime4K,只处理动画就够了,不考虑其他视频类型。这一点很重要。 动画没有真实视频那么多纹理 (Textures) ,基本都是用平直着色法 (Flat Shading) 处理的物体和线条。 只要画质变好一点点,观众也看得出。所以团队机智地想到,不用做整张的画质提升,专注于细化边缘就可以了,纹理之类的细节不重要。 具体怎样做,要从超分辨率的原理开始讲: 首先,一张图可以分为两部分: 一是低频分量,就是一张模糊的低分辨率图。二是高频残差,代表两种分辨率之间的差别 (Difference) 。 输入一张低清图,把它变成一个更低清的版本,就能得出一个残差。 把残差变薄 (Thin) 、锐化 (Sharpen) ,再加到低清图上,就能得到一张高清图。 但残差稍稍有点错误,就会造成振铃和过冲,影响效果。这也是前辈的缺陷所在。 于是,团队找到了一种新方法: 首先把残差厚度最小化当做目标,这个没有问题。 但直接把随意变换(Arbitrarily Transformed)得到的残差,用到一张低清图上是不行的。低清图要做出相应改变,才能与残差和平相处,得出理想的超分辨率结果。 所以,当输入一张图和它的残差之后,“push”残差的像素,让残差线变细; 同时,每做一个push,都要在彩色的低清图上,执行一个相同的操作。 这样,既能把模糊最小化,也不会出现振铃和过冲,这两个降低画质的现象。 比一比吧 这场比赛,Anime4K (最右) 的对手有:来自madVR的不开源算法NGU前辈 (左二) ,以及开源的机器学习算法waifu2x前辈 (左三) 。 第一题,眼睛: 第二题,耳朵: 第三题,玉手: 第四题,全脸: waifu2x前辈的效果,明显不及Anime4K,常见虚影。速度也有明显缺陷,每张图耗时超过1秒。 NGU前辈生成的画质,与Anime4K相近,但也常常被Anime4K打败。 不止如此,NGU每张耗时~6毫秒,Anime4K只要~3毫秒,快了一倍,更加适应实时生成的需求了。 效果相近的话,为啥不直接用NGU?因为不开源。 如果,你觉得720p/1080p的动画,没必要变成4K这么奢侈,那还可以把480p拯救到1080p啊: 依然,Anime4K和没开源的NGU不相上下。 最后,尽管已经获得了精湛的画质提升技能,团队也没有就此抛弃机器学习的力量。 因为在拯救静止画作 (而非动画) 的时候,Anime4K的短板显现了。这时候,让机器学习选手waifu2x和它并肩作战,更加成功一些: 需要实时给动画提升分辨率,还是只用Anime4K吧。 反正也已经开源了。 项目传送门: bloc97/Anime4K ​ github.com 图标 论文传送门: https://github.com/bloc97/Anime4K/blob/master/Preprint.md ​ github.com — 完 —
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值