← 返回模型目录

画质增强

AOT-GAN

用原图与黑白遮罩修补白色区域，保留遮罩外的原始像素。

部署到自己的板卡

QCS6490: 140.3msW8A8
QCS8550: 123.1msW8A16
IQ9: 需适配
IQ8: 需适配

运行效果

样例输入

模型输出

机房真机 QCS8550 · W8A16 · 处理耗时 149.8 ms

板卡实测

真机处理时延的中位数。多阶段模型计入各阶段处理，生成模型的耗时受输入和输出长度影响。

板卡	精度	速度	FPS	峰值内存
QCS6490	W8A8默认	140.3 ms	7.1	101 MB
QCS6490	W8A16	314.1 ms	3.2	100 MB
QCS8550	W8A16默认	123.1 ms	8.1	281 MB
	FP16	166.9 ms	6	281 MB
	W8A8	55.2 ms	18.1	281 MB
IQ9QCS9075	—	需适配	—	—
IQ8QCS8275	—	需适配	—	—

部署指南

1
在工作流中跑通
用样例或自己的输入在机房的QCS8550 上运行，确认结果和速度。
2
导出工程
在工作流右上角选择「导出」，下载工程包。模型与样例按 sha256 锁定，前后处理与网站运行时一致。
3
在板卡上安装运行库
把工程拷到QCS8550（ARM64、Python 3.10 的 AidLux 环境，AidLux ≥ 2.0），在工程目录下载并校验已验证的配套运行库。
```
python3 install-sdk.py
```
4
只需要模型文件？
各板卡的构建也发布在 Hugging Face ↗，按芯片下载，文件与工程包中的完全一致。
```
hf download APLUX-Agora/AOT-GAN --include "targets/QCS8550/*" --local-dir ./resources
```
5
运行
结果写入 outputs/，并打印每块积木的耗时。工程通过官方 AidLite 接口加载模型，代码完整随包提供。
```
python3 app/pipeline.py --sdk-root .sdk --input 你的文件
```

AidLux 开发文档 ↗

规格

任务: 画质增强
输入尺寸: 512×512
来源: Model Farm
已知限制: 原图与遮罩必须同尺寸；遮罩亮度大于 127 的区域需要修补，其他区域逐像素保留原图。模型在 512×512 上推理后映回原尺寸。已用官方人脸图片及遮罩验证，修补内容是模型推测，不能恢复被遮挡的真实细节。
许可证: —
版本: 1.0.0

浏览用到它的原型 →