把低分辨率的扫描书恢复为高分辨率，是我多年夙愿。在了解到有超分辨率这一技术的时候，我就寄期望于能够用超分技术达成目的。
时间一天天过去，最后还是自己不完美地做了实现。
书之溯源即恢复书本身的模样，亦是书之夙愿的谐音；SourceBook中的Source是追溯的意思，也指代数据集中的一部分图片使用思源字体（Source Han）。
训练使用的数据集包含多个部分的内容：
| 类型 | 文件前缀 | 来源 | 备注 | 链接 |
|---|---|---|---|---|
| 纯文本 | sourcehan2 | 使用思源宋体合成纯文本图片，包含常见中英文字符及假名 | v1黑白，v2灰阶 | https://github.com/adobe-fonts/source-han-serif |
| 纯文本 | sourcehan | 使用思源宋体合成纯文本图片，包含千字文及假名 | 灰阶 | https://github.com/adobe-fonts/source-han-serif |
| 纯文本 | sourcehan1 | 使用思源黑体合成纯文本图片，包含千字文及假名 | 灰阶 | https://github.com/adobe-fonts/source-han-sans |
| 纯文本 | sourcehan_b | 使用思源黑体合成纯文本图片，包含千字文及假名，缩小字号并使用jpeg 60%压缩 | 彩色 | https://github.com/adobe-fonts/source-han-sans |
| 纯文本 | wenkai | 使用蒹葭文楷合成纯文本图片，包含千字文及假名 | 灰阶 | https://github.com/lxgw/LxgwWenKai |
| 纯文本 | genyomin | 使用源樣明朝体合成纯文本图片，较其他样本加大字号，包含千字文及常见繁体字 | 灰阶 | https://github.com/ButTaiwan/genyo-font |
| 纯文本 | crimson | 使用Crimson Text合成纯文本图片，包含英文衬线体普通、粗体、斜体，降采样后无处理 | 灰阶 | https://fonts.google.com/specimen/Crimson+Text |
| 书籍 | realbook | 图书《圈圈教你玩USB》节选扫描，作者: 刘荣 | 灰阶 | 见 相关法律 |
| 彩图 | color | 为避免色彩推理错误，添加彩图数据。含colored manga 漫画数据集及其他一些ACG彩色图片，缩小1/2使用 | 彩色 | https://www.kaggle.com/datasets/ultraamvking/colored-manga |
担心污染暂未使用的数据，备选
| 类型 | 文件前缀 | 来源 | 备注 | 链接 |
|---|---|---|---|---|
| 钢琴谱 | piano | 钢琴谱电子档，非出版物 | ||
| 漫画 | manga | OpenMantra 漫画机器翻译评估数据集 | https://github.com/mantra-inc/open-mantra-dataset |
我已经使用Real-ESRGAN和此数据集训练基于官方x2plus预训练模型的2x微调模型。
扫描书修复效果-输入输出对比图： 样本
扫描书修复效果-与官方模型对比： 样本1 样本1
| 模型 | SourceBook-X2 | X4plus | X4plus-Anime | Animevideov3-X4 |
|---|---|---|---|---|
| 缩放倍率 | 2 | 4 | 4 | 4 |
| 速度 | Baseline | 0.29x | 0.94x | 7.14x |
- 以上评估均使用ncnn模型测试
ncnn模型及Windows、Linux推理程序见本仓库release页面: https://github.com/tumuyan/SourceBook-Dataset/releases
pth模型下载（训练log也在huggingface仓库中）: https://huggingface.co/tumuyan/SourceBook/tree/pth/models
colab推理（使用pth模型）: https://colab.research.google.com/drive/1E2IEo1zUapxMuOb2Px3VYy_zhDsu9OTR?usp=sharing
├─beforecrop // 分辨率>480*480未切片的图片，备用
└─test // 测试评估数据，未切分
└─sourcebook // Real-ESRGAN 训练数据集
├─meta_info // 图像文件清单
├─sourcebook_hr // 高分辨率图像
└─sourcebook_lr // 低分辨率图像
中华人民共和国著作权法
第二十四条 在下列情况下使用作品，可以不经著作权人许可，不向其支付报酬，但应当指明作者姓名或者名称、作品名称，并且不得影响该作品的正常使用，也不得不合理地损害:
(一)为个人学习、研究或者欣赏，使用他人已经发表的作品;
...
(六)为学校课堂教学或者科学研究，翻译、改编、汇编、播放或者少量复制已经发表的作品，供教学或者科研人员使用，但不得出版发行;