最近发现一个特别强的视频超分算法————BasicVSR，在真实世界数据集中，实现了前所未有的视觉重建效果，最近它还拿下了超分比赛NTIRE 2021三冠一亚的优异成绩，登上了CVPR 2022。
对算法细节感兴趣的同学可以先研究一下论文『Investigating Tradeoffs in Real-World Video Super-Resolution』
我试玩了一下，感觉效果还是蛮不错的，下面就分享一下BasicVSR在ubuntu下的安装极简教程。
实不相瞒，macOS和ubuntu下我都安装成功了，Windows没有成功（老报错），感兴趣且运气爆表的同学可以再试试。
安装
1 创建环境
conda create -n realbasic python=3.8
2 安装pytorch
https://pytorch.org/get-started/locally/
具体版本需根据自己的电脑配置，如有GPU，需与注意自己的cuda版本，可以使用nvidia-smi查看。
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch
3 安装mim 和 mmcv-full
MMCV 是一个面向计算机视觉的基础库，它支持了很多开源项目。建议安装完整版:mmcv-full ，包含所有的特性以及丰富的开箱即用的 CUDA 算子。
但是直接pip安装需注意cuda和torch版本，容易安装失败。建议使用MIM安装，它会自动检查 CUDA 和 PyTorch 环境并尽量帮我们安装和环境匹配的预编译版本的 MMCV-full，从而省去编译的耗时。
pip install openmim
mim install mmcv-full
4 安装MMEditing
MMEditing 是基于 PyTorch 的图像&视频编辑开源工具箱, 提供修复/抠图/超分辨率/生成等任务最先进的算法。用pip我试了也失败了几次，最后只能本地安装：
git clone https://github.com/open-mmlab/mmediting.git
cd mmediting
pip install -r requirements.txt
# 如报错，忽略即可，继续执行下指令
pip install -v -e .
使用
1 克隆项目
https://github.com/ckkelvinchan/RealBasicVSR
2 下载预训练模型
下载地址：
在RealBasicVSR项目下新建checkpoints文件夹
3 运行
将需要转换的视频放到data目录下，运行即可
python inference_realbasicvsr.py configs/realbasicvsr_x4.py checkpoints/RealBasicVSR_x4.pth data/demo_001.mp4 results/demo_001.mp4 --fps=12.5
4 结果
运行比较耗时，需耐心等待，如果你有钞能力，当我没说。