К содержимому
Изображения

Real-ESRGAN-MLX

апскейл фото в 4 раза на чипах Apple Silicon

2 мин чтения

Порт популярной модели улучшения и увеличения изображений Real-ESRGAN x4plus (RealESRGAN_x4plus.pth) на фреймворк MLX от команды Moonbox. Модель решает задачу blind super-resolution — повышает разрешение картинок в 4 раза и восстанавливает детали на обычных фотографиях. Сборка предназначена специально для Mac с процессорами Apple Silicon и избавляет от необходимости тянуть тяжёлые зависимости вроде PyTorch: для запуска нужны только mlx и numpy. Подойдёт владельцам Mac, которым нужен быстрый локальный апскейлер для обработки фото или интеграции в свои Python-скрипты.

Ключевые особенности

  • Две версии точности: доступны папки с весами в форматах fp16 и bf16, каждая весит всего 33,5 МБ.
  • Минимальные расхождения с оригиналом: вариант fp16 почти идентичен оригинальной PyTorch-версии (средний PSNR 54,3 дБ, LPIPS не выше 0,0004).
  • Высокая скорость работы: апскейл изображения ~130×130 в 4 раза на чипе M5 занимает 0,25 с для fp16 и 0,28 с для bf16.
  • Тайловая обработка: встроенная функция upscale обрабатывает картинку фрагментами (тайлами по 256 пикселей), что экономит память.

Что можно сделать

  • Повышать разрешение старых или сжатых фотографий в 4 раза локально на MacBook без облачных сервисов и видеокарт NVIDIA.
  • Встроить лёгкий 33-мегабайтный модуль в локальный пайплайн генерации изображений на MLX для постобработки готовых кадров.
  • Пакетно улучшать фотоархивы через простой Python-скрипт без установки PyTorch и BasicSR.

Пример

import numpy as np, mlx_model
from PIL import Image
model = mlx_model.load("fp16")
out = mlx_model.upscale(model, np.array(Image.open("in.png").convert("RGB")))
Image.fromarray(out).save("out.png")
ПодробнееКачество относительно PyTorch fp32: fp16 — PSNR 54,3 дБ в среднем (46,9 дБ минимум), LPIPS <= 0,0004; bf16 — PSNR 40,8 дБ в среднем (30,7 дБ минимум), LPIPS <= 0,015.
Квантованных версий (8/6/4-bit) нет, так как сеть полностью состоит из свёрточных слоёв, которые MLX не квантует.
Для работы необходимо держать все файлы из выбранной папки (model.safetensors, config.json, mlx_model.py) вместе.
Лицензия: BSD-3-Clause.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы1.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB1.5 GB
  • 4-bitвеса 0.0 GB1.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # moonbox-dev/Real-ESRGAN-MLX
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download moonbox-dev/Real-ESRGAN-MLX --local-dir ~/models/Real-ESRGAN-MLX
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Real-ESRGAN-MLX
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии Real-ESRGAN-MLX — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

moonbox-dev/Real-ESRGAN-MLX
Автор
moonbox-dev
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

Cyberboi

Cyberboi18+
Изображения

WebSR

WebSR