Как улучшить качество видео на компьютере с помощью нейросети
Обновлено: 07.07.2024
Наверное, вы слышали про технологию Яндекса DeepHD, с помощью которой они как-то раз улучшили качество советских мультфильмов. Увы, в публичном доступе ее еще нет, а у нас, рядовых программистов, вряд ли найдутся силы написать свое решение. Но лично мне, как обладателю Retina-дисплея (2880х1800), недавно очень захотелось посмотреть «Рика и Морти». Какого же было мое разочарование, когда я увидел, как мыльно на этом экране выглядит 1080р, в котором существуют оригиналы этого мультсериала! (это прекрасное качество и обычно его вполне достаточно, но поверьте, ретина так устроена, что анимация с ее четкими линиями в 1080р выглядит мыльновато, словно 480р на FHD-мониторе)
Я твердо решил, что хочу увидеть этот мультсериал в 4К, хотя и совершенно не умею писать нейросети. Однако решение было найдено! Любопытно, что нам даже не придется писать код, понадобится лишь
100 ГБ места на диске и немного терпения. А результат — четкое изображение в 4К, которые выглядит достойнее, чем любая интерполяция.
Подготовка
Во-первых, надо сразу понять, что в открытом доступе нет технологии по увеличению видео с помощью нейросетей. Вообще. Но зато есть несколько проектов, которые способны увеличивать фотографии. А раз так, давайте перекодируем наше видео в огромную кучу кадров!
Это можно сделать через Adobe Premiere Pro или другую программу для работы с видео, но я уверен, что такая установлена далеко не у всех. Поэтому давайте воспользуемся консольной утилитой ffmpeg. Я взял первую серию первого сезона, и понеслось:
Справедливый вопрос. Дело в том, что 31 000 PNG, которые бы мы получили бы на выходе, весили умопомрачительно много. Настолько много, что можно незначительно пожертвовать качеством.
К слову, параметр -q:v 1 означает, что мы выводим JPG в максимально возможном качестве.
Подождав примерно 10 минут, мы получим большущую папку с изображениями. У меня она заняла 26 ГБ.
Осталось обработать каждый из этих кадров!
Как будем обрабатывать?
Чуть позже я обязательно покажу примеры.
Я уже было отчаялся бесконечно листать Github и тематические форумы, но… Спасение вдруг пришло! Нашелся вариант, который работает на машине локально, обрабатывает картинку меньше, чем за секунду, и показывает отличное качество. И вы не поверите, кто в очередной раз пришел нам на помощь!
Adobe Photoshop!
И нет, я не буду рассказывать true story о том, как там можно парочкой фильтров сделать хорошую картинку. Adobe действительно натренировали самую настоящую нейросеть, которая при масштабировании внутри программы может дорисовать изображение!
Для начала нужно открыть исходное изображение, затем перейти через верхнее меню в Изображение > Размер изображения… и выбрать ресамплинг «Сохранение Деталей 2.0».
Результат приятно удивил! Пожалуй, впереди только Let's Enhance. Вот и обещанное сравнение (исходное изображение приближено примерно в 8 раз):
— И что теперь, вручную обрабатывать каждый кадр через фотошоп?
Конечно, нет! В фотошопе есть инструмент Actions, который позволяет сначала записать последовательность действий, а потом применить ее на целую папку с изображениями. Не буду расписывать весь процесс, он легко гуглится.
Я оставил свой ноутбук обрабатывать тридцать одну тысячу кадров на ночь по шаблону «сделай апскейл в два раза и сохрани». Проснулся утром — все готово! Еще одна папка с кучей кадров, но теперь уже в 4К и с размером в 82 ГБ.
Нам снова поможет ffmpeg.
Понимаем, что мы совсем забыли про аудиодорожку, и достаем ее из оригинального файла:
А потом скидываем саунд в папку со всеми 4К-кадрами. Все наши труды прошли не зря, мы готовы к финальной склейке!
Будьте внимательны: после -r ставьте именно такое количество кадров, какое было в оригинале, иначе звук не будет совпадать с картинкой!
Посмотрев несколько видеороликов Дениса Ширяева, вдохновился попробовать улучшить свой видеофрагмент, и какого было мое разочарование узнав, что человек который уже фактически является мастером этого ремесла, тратит столько времени на эту сферу (судя по количеству роликов на его канале) - не сделал ни одной инструкций по этому процессу.
Anyway, хочу поделиться своими знаниями, полученными неделей поисков решений, проб и ошибок, ожидании рендеринга.
Весь процесс состоит из 4 этапов:
(Почему именно в таком порядке - объясню в конце)
2) Увеличение FPS
3) Разрешение 4К
4) Чистка дефектов
В начале каждого этапа, буду указывать:
- Ссылку где скачать (если она бесплатная)
В конце каждого этапа:
- Ссылку на автора урока
AMD Ryzen 3300X
MSI GeForce GTX 1650
Потребуется примерно 10-15 Гб места на жестком диске - за 1-о минутное видео.
Оригинал - 960х720 / 30 FPS / 72,6 Мб
Переходим по этой ссылке и нажимаем на кнопку (внизу страницы) как на картинке.
1 - Заходим на свой аккаунт Google
2 - Подключаемся к серверу
3 - Сохраняем проект себе на Google Диск
4 - Спускаясь все включаем по очереди, дожидаясь загрузки каждого отдела
1 - Указываем ссылку на ваше видео в YouTube
2 - Запускаем процесс
Если видео большое, нужно разделить его на несколько частей.
Свое я нарезал по 10 секунд.
В качество 35 (render_factor), 10 сек (960х720 / 30 FPS) рендерится - 4 мин.
2) Увеличение FPS
Рекомендую сначала перезагрузить компьютер и не открывать ничего, кроме данной программы.
Распаковываем архив, запускаем этот файл:
Не закрывайте черное окно.
Тут всего три шага:
1 - Нужно выбрать ваше видео
2 - Место куда сохраниться файл
3 - Запуск процесса (по умолчанию увеличивает FPS в два раза)
Настройки увеличения FPS, если нужно увеличить более двух раз:
Означают нехватку видеопамяти, заходим в настройки показанные ниже и (до запуска процесса) уменьшаем разрешение видео:
При моей конфигурации допустимая высота видео - 600 пикселей.
800х600 / 60 FPS / 34,8Мб
3) Разрешение 4К
Topaz Video Enhance AI - платная
Выбираем все настройки - как на картинках:
Рекомендую не менять место сохранения - у меня после этого вылетала программа.
3840x2160 / 60 FPS / 3,31 Гб
4) Чистка дефектов
3 часа (суммарно)
Flicker Free - плагин для Adobe Premiere Pro
1 - Устанавливаем плагин
2 - Применяем на видео
В различных уроках советуют оставлять стандартные настройки.
3 - Ставим галочку рядом с Detect Motion
4 - Экспортируем видео
Лучше провести процесс чистки 2 раза.
3840x2160 / 60 FPS / 70,3 Мб
5) Дополнительные эффекты
Цветокоррекция - Adobe Premiere Pro
Удаление шума из аудио - Audacity (бесплатная)
Эффект до / после - стандартные эффекты Adobe Premiere Pro
3840x2160 / 60 FPS / 71 Мб
Уверен можно добиться лучших результатов если поиграться с настройками.
Ошибочные пути:
Попытка 1) Сначала увеличил видео в 4K, потом попытался поднять FPS до 60 - максимально допустимое разрешение для моей системы видео высотой 600 px .
Попытка 2) Поднял FPS, потом увеличил видео в 4K, затем провел чистку и попытался покрасить - нейросеть DeOldify тоже очень ресурсоемкий.
Попытка 3 (Финальная) Сначала покрасил видеофайл, потом поднял FPS, затем увеличил разрешение до 4K, провел чистку и добавил эффекты.
1) Для серьезного увлечения этой сферой - нужен очень мощный PC.
Улучшать 1 минутное видео 10 часов - приносит радость и удовлетворение только в первый раз.
2) В сети на эту тему крайне мало уроков (особенно на русском языке), либо специалисты не хотят делиться своими знаниями, либо заинтересованных редакторов и читателей не слишком много, в любом случае из - за этого приходится искать информацию обрывками.
Возможно, порядок этапов улучшение видео - другой, но опять же, в сети на эту тему нет никакой информации.
Если вы также как и я, хотели сконвертировать "Metropolis" (1927) Фрица Ланга до цветной версии в 4K и 60 FPS - сейчас все еще слишком рано.
Надеюсь мой пост был полезным и максимально доступным. Peace.
Рекомендую не менять место сохранения - у меня после этого вылетала программа.
Продукты от Топаз не любят кириллицу в пути или имени файла.
На печ1060 с 3гб на борту у меня совсем не получилось найти правильную последовательность. Прям обидно.
в dain app можно не уменьшать видео, а включить нарезку кусками, правда дольше будет обрабатывать)
Инструкции по каждой программе есть по несколько штук, потому Денис, очевидно, не делает еще одну.
Дарю лайфхак:
Проверено на ртх2060 с 6гб памяти на борту. DAIN ругается на видео 720р, мол для него нужно 10-11гиг памяти. Заходим в настройки даунскейла видео и выставляем высоту 719. Профит. Видео рендерится, причем по-прежнему в 720р.
Ну даже не знаю. Лица стали криптовые жуть.
У меня видеокарта AMD, с ней DAIN не работает, т.к. нет поддержки CUDA. Подскажите, какая подойдет минимальная модель видеокарты NVIDIA?
Тут более детально показано как запустить - DeOldify (Покраска)
Возможно следует упомянуть что на более старых видеокартах обработка нейросетями может и не запуститься (ранее 10хх или если повезет 9хх серии) и работает только на Nvidia, если не ошибаюсь.
Обработка на проце или не запустится, или будет так долго что лучше бы и не запускали.
Нейронные сети учатся распознавать Deepfake
Пару недель назад я выложил пост про нейронные сети, которые способны удалять с видео любые движущиеся объекты и всякие следы их существования. Тени от этих объектов, поднятую пыль, иногда даже почти хорошо удалялись волны на воде. И тогда, под тем постом, прямо таки развернулась дискуссия о том, как в принципе можно было бы бороться с подделкой видео. Не только с удалением объектов, но и с теми же дипфейками.
И вот сегодня я бы хотел представить один из способов, который на сегодняшний день активно прорабатывается. Собственно, способ вполне логичный - если мы можем создать нейронные сети, которые способны подделывать видео настолько, что эта подделка становится неразличима человеческим глазом, то почему бы не использовать ровно эти же самые сети для того, что бы распознавать эти незаметные человеческому глазу подделки?
Этим вопросом и задались учёные из Германии и Италии. Ниже прикладываю презентацию их совместной научной работы.
А также, как и в прошлый раз, прикладываю своё собственное видео, с разбором того, а чём именно идёт речь в их презентации.
Итак, краткая выжимка того, о чём именно их работа. Конкретно эта группа учёных не ставила перед собой задачу разработать концептуально новую нейронную сеть, которая бы хорошо распознавала подделку на видео. Они провели комплексную сравнительную работу. Взяли набор видео, часть из которых была отредактированная нейронными сетями, а часть нет. И, с одной стороны, попросили группу людей угадать, какие именно видео являются подделками, а с другой стороны точно такую же задачу поставили перед распространёнными свёрточными нейронными сетями, основная задача которых как раз заключается в распознавании на видео и фотографиях тех или иных объектов. То есть, они брали не специализированные нейросети, а самые обычные. Те, которыми можно распознавать на видео котиков, к примеру.
И итог их исследования оказался следующим - нейросети уже сейчас способны настолько качественно подделывать видео, что люди их практически не распознают. Обычный человек уже сегодня не отличит качественный дипфейк от оригинального видео. С другой стороны, самые обычные свёрточные нейронные сети эти же самые дипфейки распознают вполне уверенно. Не всегда со стопроцентной точностью, но самые новые архитектуры вполне достигают точности более 80%.
По сути, самая очевидная идея в данном случае оказывается самой эффективной. Зачем придумывать сложные схемы борьбы с нейросетями, если можно просто заставить бороться с ними другие нейросети. Безусловно, данный метод не является самым надёжным. Но уже сегодня он является наиболее оправданным с позиции точности распознавания и ресурсов, которые требуются на создание такой системы. По факту, использовав созданный учёными в данной работе массив видео для обучения нейросетей, вы сможете у себя дома создать свою собственную систему распознавания дипфейков. Единственным ограничением правда будет время обучения такой сети. Если не использовать видеокарты NVidia старше 20хх серии и разработанную ими же библиотеку для машинного обучения, создание такой сети может затянуться на месяцы. Но тем не менее, такая возможность у вас всё ещё остаётся.
Ну и подводя итог, если углубиться в эту область (а я полагаю многие спецслужбы многих стран мира занимаются этим уже не первый год) и создать специализированную нейросеть, которая была бы эффективна конкретно в распознавание дипфейков, то в принципе можно и не бояться коллапса судебной системы от вала поддельных видео и фотографий. Правда всё это в конечном итоге придёт к войне щита и меча - когда с одной стороны будут создаваться всё более совершенные нейросети для подделки видео, а с другой те же самые нейросети для распознавания этих подделок. Но специалистов способных на подобное сейчас итак с руками отрывают крупнейшие мировые корпорации, поэтому вряд ли их сможет нанять какая то местечковая мафия. Если подобная война и развернётся, то начнётся она в высоких груг И опять же, поскольку это буквально практически одни и те же архитектуры нейросетей, существенного и долговременного перевеса в данной войне ни одна из сторон получить не сможет.
Бывало ли с вами такое: вы решили скачать любимую компьютерную игру детства и ненадолго погрузиться в счастливые воспоминания. Установили её, запустили, но… Графика 20-летней давности выглядит, мягко говоря, неактуально. Наша новая статья поможет решить эту проблему: мы расскажем, как улучшить текстуры в играх и видео с помощью нейросетей.
Процесс повышения разрешения и качества цифрового изображения или видео называется апскейлинг. Предлагаемые способы отличаются от алгоритмов вроде «метода ближайших соседей», поскольку могут создавать дополнительные детали текстуры с эффектом увеличения резкости, но для их работы требуется довольно большая вычислительная мощность.
Что вам понадобится
Многим нейронным сетям для обучения нужны высокопроизводительные видеокарты. Чаще всего для этого не достаточно обычных графических процессоров, установленных в персональных компьютерах. Поэтому лучше всего воспользоваться нашими серверами с мощными GPU NVIDIA Tesla V100, которые в несколько раз ускоряют обучение популярных нейросетей.
Также рекомендуем использовать операционную систему на базе Linux. Это не всегда необходимо, но если вы планируете и дальше осваивать эту область, то можете установить, например, одну из последних версий Ubuntu. Большинство нейросетей и руководств к ним разрабатываются на Linux.
Если вы не готовы устанавливать новую систему, то на серверах с GPU можно установить готовое решение (например Deepo) на Ubuntu 18.04 с настроенными популярными библиотеками для машинного обучения.
Выбор игры
Лучше выбрать игру начала 2000-х годов и старше, поскольку для более новых предлагаемые методы, скорее всего, окажутся бесполезными. Это может быть 3D или 2D-игра со спрайтами низкого разрешения (спрайт — графический объект в компьютерной графике). Апскейлинг обычно хорошо работает в играх с около-реалистичной графикой (не рисованной), которая не выглядела реалистично из-за аппаратных ограничений того времени. Текстуры таких игр могли содержать много деталей, но из-за маленького разрешения экранов не было смысла делать их более качественными. Современные мониторы имеют высокое разрешение, поэтому мы можем использовать методы машинного обучения для улучшения текстур.
Извлечение текстур (файлов данных)
Если повезёт, файлы текстур будут находиться в отдельной папке в виде обычных изображений. Иногда данные могут иметь формат, специфичный для движка игры. В этом случае они, скорее всего, будут сжаты и собраны в один или несколько файлов. Если выбранная вами игра была достаточно популярна, то фанаты и модеры наверняка уже нашли способы извлечь из неё всё необходимое. Поищите информацию в интернете — там точно найдется подходящее руководство. В Warcraft 3, например, текстуры хранятся в виде .blp-файлов, которые можно сконвертировать в JPG или PNG и обратно.
Выбор модели
Это самый сложный этап: чтобы найти подходящую нейросеть, вам нужно поэкспериментировать с разными решениями и настройками. Если вы преданы своему делу, можете выбрать и самостоятельно обучить модель на основе одного из популярных алгоритмов. Но проще взять готовую предварительно обученную архитектуру. Предлагаем несколько наиболее известных.
Waifu2x
Метод использует глубокие свёрточные нейронные сети для масштабирования изображений в 1.6 или 2 раза. Ссылка выше позволит работать прямо в браузере, но вы можете настроить модель, скачав её с GitHub. Нейросеть обучена на изображениях в стиле аниме, поэтому больше подходит для мультипликационных текстур.
Пример улучшенных с помощью Waifu2x моделей в Morrowind:
ESRGAN
Модель применяет генеративно-состязательные сети для увеличения разрешения изображений в 4 раза. Мы писали о её более ранней версии. Она была создана, чтобы работать на реальных фотографиях, поэтому хорошо подойдёт для детализированных текстур. В этом посте вы найдёте руководство по её использованию в Windows.
Улучшенные c ESRGAN текстуры Morrowind:
GameWorks: Materials & Textures
Коммерческое решение для апскейлинга от NVIDIA. Оно разработано специально для игр и требует меньше настроек, но вам потребуется аккаунт NVIDIA, чтобы получить доступ к бета-версии.
Пример улучшенных с её помощью текстур Doom:
AI Gigapixel
Платный коммерческий продукт. Работает с реальными фотографиями и позволяет выполнять масштабирование до 600%. Если у вас есть деньги и желание поэкспериментировать, то результаты могут оказаться очень хорошими.
Пример улучшения графики в Final Fantasy VII:
Приведённые выше архитектуры можно переобучать, настраивать и даже комбинировать между собой. Например, модификация для Fallout: New Vegas сделана с использованием сразу трёх нейросетей: Waifu2x, ESRGAN и AI Gigapixel.
Повышение качества видео
Нейросети для апскейлинга позволяют улучшить качество кат-сцен в играх или увеличить разрешение старых кинофильмов. Например, не так давно пользователь сайта «Хабрахабр» повысил разрешение мультфильма «Тайна третьей планеты» до 720P. Вы можете попробовать запустить скрипт для покадрового улучшения качества видео с помощью ESRGAN или скачать проект video2x (для Windows), использующий Waifu2x.
Пример работы ESRGAN:
Пример работы video2x:
Другие полезные инструменты:
AntiDupl — находит дубликаты изображений с разными разрешениями и форматами. Хороший инструмент для предварительной обработки.
Custom Texture Tool PS — помогает конвертировать популярный в играх формат текстур .dds в PNG или JPG и выполнять масштабирование с помощью Waifu2x.
Заключение
Помните, в разных фильмах полицейские часто делали из размытой фотографии преступника или номерного знака сверхчеткое изображение? Сейчас это вполне обыденное явление — компьютерные системы научились увеличивать разрешение любой картинки. Эти системы уже применяются в мониторах и телевизорах, когда необходимо поднять разрешение с FullHD до 4К. Здесь же описывается несколько сервисов, с помощью которых можно бесплатно увеличить разрешение любой картинки.
Нейросети в апскейлинге
Прежде всего, следует рассказать про upscaling. Так называют процесс повышения разрешения и качества цифрового фото и видео. Процесс подразумевает дорисовку недостающих пикселей, но как именно — зависит от каждого конкретного алгоритма.
Классические методы апскейлинга позволяют только увеличить разрешение, заполняя недостающие пиксели. Нейросети в свою очередь имеют одно важное достоинство — они способны дополнить изображение новой информацией, поэтому помимо увеличения разрешения можно добиться и лучшего качества. ИИ обучается на базе из миллионов снимков, поэтому способен самостоятельно дорисовывать необходимые элементы в зависимости от контекста.
Эффективность работы нейросети зависит от того объема данных, с которыми ей удалось поработать. Чем больше база фотографий, тем выше шанс, что алгоритмы выберут подходящие пиксели, повысив четкость картинки.
В сети доступны несколько сервисов, с помощью которых вы можете повысить разрешение какой-либо картинки. Мы проведем тестирование наиболее популярных. В качестве образца будут взяты два изображения разрешением 300х400 пикселей — фотография городского пейзажа и картинка с минимальным количеством цветовых переходов.
AI Image Enlarger
Сервис работает на базе фирменного AI и позволяет сделать увеличение вплоть до 8х, при этом, не устанавливая никакого стороннего ПО. Базовый бесплатный тариф предлагает возможность загружать изображения объемом до 5 МБ и разрешением до 1200х1200 пикселей. Также имеется ограничение на количество обработок в день. На бесплатном тарифе доступно максимум четырехкратное увеличение.
Платные пакеты «Премиум» и «Предприятие» стоят 9 и 19 долларов за месяц и позволяют увеличить коэффициент масштабирования до 8Х, а также объем загружаемых файлов до 10 МБ.
В первом преобразовании нейросеть показывает отличный результат.
Здания не только получили четкие очертания — дорисовка была выполнена максимально корректно, поэтому даже при увеличении заметить какие-то дефекты сложно. AI Image Enlarger прекрасно справился с апскейлингом не только растительности на переднем плане, но и корректно воспроизвел задний план.
Отличный результат был получен и с картинкой — четкие контуры и минимальный объем помех.
AI Image Enlarger можно назвать одним из лучших сервисов для увеличения разрешения картинок. Если вам необходимо делать апскейлинг большого числа фото, то стоит подумать о платной подписке.
BigJPG
Этот сервис использует глубокие сверточные нейронные сети. В базовой версии пользователям доступны до 500 преобразований, а максимальное разрешение фото составляет 3000x3000 px. Как и в предыдущем сервисе, вам бесплатно доступны коэффициенты только 2х и 4х, а при платном усовершенствовании аккаунта вы получаете 8х и 16х. Также доступны приложения для Windows, MacOS, iOS и Android.
После обработки первой фотографии с коэффициентом 4х получаем изображение 1600х1200 пикселей:
Общая четкость картинки была повышена, здания получили видимые контуры. Однако при увеличении можно заметить, что отрисовка некоторых многоэтажных домов имеет низкое качество и «помехи» на фоне. В дополнение появилось легкое «замыление».
Апскейлинг картинки выполнен более удачно, однако алгоритм превратил небольшие группы пикселей у контуров разных цветовых участков в сильные шумы, которые можно разглядеть при достаточном увеличении. С использованием коэффициента 2х эти недостатки будут практически незаметны.
Учитывая количество бесплатных попыток, а также функцию фильтрации шума — BigJPG можно назвать одним из лучших сайтов для апскейлинга фото.
Deep-image
Воспользоваться сервисом бесплатно можно только после регистрации аккаунта — размер фото ограничивается 25 мегапикселями. Доступны коэффициенты 2х, 3х и 4х. Авторы утверждают, что апскейлинг работает на базе генеративных состязательных сетей. Главный минус — бесплатный аккаунт имеет ограничение в пять преобразований. Если вам нужно увеличить разрешение большего числа фотографий, то придется покупать подписку.
Апскейлинг фотографии через Deep Image показывает отличную детализацию. Все объекты имеют четкие контуры и насыщенные цвета. Однако главная проблема — ИИ неправильно дорисовал некоторые здания, из-за чего они приобрели неестественную форму. Фото хоть и имеет высокую четкость, но визуально выглядит как картина масляными красками.
С картинкой сервис справился более чем отлично. Алгоритм полностью сохранил контуры, увеличив разрешение картинки без искажений и посторонних шумов. Однако алгоритм затронул одноцветный фон, что в итоге привело к небольшим перпендикулярным линиям.
Deep-image предлагает мощный алгоритм, который способен проявить себя при апскейлинге фотографий разрешением от 1000х1000 пикселей. В этом случае нейросеть с большей вероятностью правильно дополнит объекты. Сервис также отлично справляется с изображениями, которые имеют небольшие монотонные цветовые участки.
Imageupscaler
За процесс апскейлинга отвечает AI с глубоким обучением и генеративные состязательные сети. Несмотря на максимальный коэффициент в 4х и лимит на 5 МБ, сайт предлагает бесплатно преобразовать до 10 изображений в месяц. Всего за три доллара этот порог увеличится до 100 фото, а за 12 долларов вы получите возможность ежемесячно обрабатывать по 500 фотографий.
Тест на городском пейзаже показывает, что нейросеть не лучшим образом выполняет преобразование.
Уже на ближнем фоне можно заметить сильные размытости, а большая часть построек потеряла свои очертания. Дефекты работы нейросети можно заметить даже без увеличения масштаба.
Обработка второй картинки выполнена хоть и лучше, но количество шумов слишком большое. При незначительном увеличении также можно увидеть размытые контуры.
Нейросеть сервиса Imageupscaler явно уступает своим конкурентам, поэтому этот сайт не подойдет для очень маленьких изображений, поскольку при их апскейлинге искажения будут слишком заметны. С другой стороны пользователям доступны лимит в 10 картинок и очень демократичные цены.
Upscalepics
Апскейлинг городского пейзажа с коэффициентом 4х дает следующий результат:
Несмотря на четкость контуров и неплохую детализацию, очертания зданий получились слишком «масляными», из-за чего изображение перестает восприниматься как фотография. Несмотря на это, Upscalepics достаточно хорошо проработал задний план.
Для апскейлинг рисунков и баннеров сервис Upscalepics подходит практически идеально. С функцией удаления шума итоговое изображение получается практически без каких-либо дефектов.
Upscalepics не лучшим образом справляется с реальными фото, но с учетом бесплатных возможностей его можно определенно занести в пятерку лучших.
Сравнительная таблица
Мы рассмотрели пять наиболее популярных сайтов, где вы можете бесплатно увеличить разрешение картинки буквально за пару минут. Каждый сервис работает на основе собственного AI, поэтому результаты могут отличаться в зависимости от изображения.
Для вашего удобства, мы свели параметры каждого сайта в единую таблицу:
| Название | Необходимость регистрации | Максимальный коэффициент увеличения (бесплатно/платно) | Ограничения по картинке | Бесплатных преобразований | Устранение шума |
| AI Image Enlarger | Да | 4х/8х | 5 МБ, 1200х1200 px | 8 | Нет |
| BigJPG | Нет | 4х/16х | 10 МБ, 3000x3000px | 500 в месяц | Да |
| Deep-image | Да | 4x/4x | 5000x5000 px | 5 | Да |
| Imageupscaler | Нет | 4x/4x | 5 МБ, 1000х1000 px | 10 в месяц | Нет |
| Upscalepics | Нет | 7х/8х | не более 100 мегапикселей | - | Да |
Улучшаем качество ролика онлайн
Интернет-ресурсов для качественной обработки видео не так уж много, но они все же есть. Большинство таких сервисов – платные, однако имеются и не уступающие им по возможностям аналоги. Ниже мы рассмотрим именно последние.
Способ 1: видеоредактор YouTube
Как ни странно, но именно видеохостинг от Google является лучшим решением для того, чтобы быстро улучшить качество ролика. Конкретно же, в этом вам поможет видеоредактор, являющийся одним из элементов «Творческой студии» YouTube. Предварительно потребуется авторизоваться на сайте под своим Google-аккаунтом.
Как результат, итоговый ролик с примененными улучшениями будет сохранен в памяти вашего компьютера.
Способ 2: WeVideo
Очень мощный, но простой в использовании инструмент для редактирования видео онлайн. Функционал сервиса повторяет базовые возможности полноценных программных решений, однако работать с ним бесплатно можно только с рядом ограничений.
Впрочем, выполнить минимальную обработку ролика в WeVideo можно и с помощью доступных без подписки функций. Но это в том случае, если вы готовы мириться с водяным знаком внушительных размеров на готовом видео.
Способ 3: ClipChamp
В целом, каждый из рассмотренных нами сервисов имеет свои сценарии использования и свои особенности. Соответственно, ваш выбор должен основываться исключительно на собственных предпочтениях и наличии тех или иных функций для работы с видео в представленных онлайн-редакторах.
Отблагодарите автора, поделитесь статьей в социальных сетях.
Помогла ли вам эта статья?
Еще статьи по данной теме:
спасибо,. Взял на заметку )
я хотел улучшить качество старого мультфильма с помощью нейросетей, цветокоррекция это слишком бесполезная функция видеоредакторов
Не нужно врать, 20$ в месяц за сервис подаете как бесплатно.
Советы никуда не годятся. Все сервисы плантые, на Ютьюбе нет никакой обработки, даже шумы не убирает. Только время потратил зря.
Не нашел то, что искал. Мне нужно улучшить качество видео, КАЧЕСТВО, понимаете. Ни цветокоррекция, ни стабилизация, а качество. С качества в 240р улучшить до 1080р, ну или хотя бы на 720р
Читайте также: