Характеристики

Размер весов: 33,5 МБ
Лицензия: BSD 3-Clause
Библиотека: mlx
Опубликована: 6 июн 2026

Ссылки

Hugging Face

Real-ESRGAN-x2plus

mlx-community

Преобразование изображенийИзображение, текст → изображение3 профессии

Порт Real-ESRGAN-x2plus на MLX для увеличения разрешения изображений в 2 раза на Apple Silicon.

177скачиваний за 30 дней2лайкавеса обновлены6 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Real-ESRGAN-x2plus — версия модели RealESRGAN_x2plus, перенесённая софициального чекпойнта xinntao/Real-ESRGAN в формат MLX fp16 для работы на Apple Silicon. Модель использует архитектуру RRDBNet с 64 признаками, 23 блоками и 32 растущими каналами и увеличивает разрешение изображений в 2 раза.

Она предназначена для сверхразрешения изображений: увеличения их размера с восстановлением деталей. Для использования предусмотрен пакет realesrgan-mlx; README приводит запуск обработки входного изображения с сохранением результата в выходной каталог. Репозиторий содержит веса safetensors и распространяется по лицензии BSD-3-Clause.

В README приведены результаты сравнения с PyTorch: максимальное расхождение полного прохода на CPU fp32 составляет 2,4e-6, а fp16 относительно эталона fp32 — 5,5e-4. Модель рассчитана на Apple Silicon и не описана как универсальный апскейлер для иных платформ.

Сценарии применения

увеличение разрешения фотографий в 2 раза
восстановление деталей при апскейле изображений
подготовка изображений низкого разрешения к просмотру на большом экране

Ограничения

Модель рассчитана на Apple Silicon и увеличивает изображение только в 2 раза. Работа в fp16 даёт небольшое расхождение с эталоном fp32.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Real-ESRGAN-x2plus (MLX)

Apple MLX fp16 port of Real-ESRGAN RealESRGAN_x2plus (RRDBNet, ×2), for super-resolution on Apple Silicon. Converted from the official xinntao/Real-ESRGAN release checkpoint (BSD-3-Clause).

Usage

pip install realesrgan-mlx   # https://github.com/xocialize/realesrgan-mlx
realesrgan-mlx -i input.png -o out/ -n RealESRGAN_x2plus

from realesrgan_mlx.pipeline_mlx import make_upsampler, upscale_image
up = make_upsampler("RealESRGAN_x2plus", tile=256)   # tile>0 caps memory on large images
out = upscale_image("input.png", up)

make_upsampler downloads these weights automatically.

Details

Architecture: RRDBNet (num_feat=64, num_block=23, num_grow_ch=32)
Scale: ×2 · Precision: fp16
Parity vs PyTorch: full-forward 2.4e-6 (CPU fp32); fp16 vs fp32 golden 5.5e-4.

License

BSD-3-Clause (upstream Real-ESRGAN, Xintao Wang et al.).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов: c42bece