samples/eagle_4x/README.md

效果對比：白頭海雕（Bald Eagle）

這個資料夾是 同一張低解析度照片 經過「原始 PyTorch 模型」與「所有 OpenVINO 量化版本」後的結果， 可以直接看出各種精度的差別。

來源與授權

項目	內容
照片	NASA Kennedy Space Center, Baby Eagle in the Rain（2023-04-25）
原始檔	input/nasa_bald_eagle_KSC-20230425-PH-JBS02_0003.jpg（1280×853）
來源頁面	https://images.nasa.gov/details/KSC-20230425-PH-JBS02_0003
授權	公有領域（Public Domain） — NASA 媒體 generally are not subject to copyright

NASA 使用條款：https://www.nasa.gov/nasa-brand-center/images-and-media/ 本 repo 僅取用其中一張照片作為轉換/量化效果的展示素材。

測試設定

• 從原照片裁切 1024×768 當作 Ground Truth（HR）
• 用 bicubic 降 4 倍得到 **輸入 LR：256×192**（00_input_lr_x4.png）
• 所有模型都用 tile=128 / tile_pad=16 分塊推論，輸出 768×1024
• PyTorch 參考輸出由 tools/make_sample.py 用官方 RealESRGAN_x4plus.pth（params_ema）產生

檔案

檔案	說明
00_input_lr_x4.png	模型輸入（bicubic 降 4 倍，256×192）
01_bicubic_x4.jpg	bicubic 上傳對照組
02_ground_truth.jpg	真實 HR（未被降過的原始畫素）
03_pytorch_fp32_reference.jpg	原始 PyTorch 模型 FP32 輸出（基準）
openvino_fp16.jpg	OpenVINO FP16（與 PyTorch 幾乎一致，48.4 dB）
openvino_int8_w8a8.jpg	OpenVINO INT8 W8A8（27.8 dB，肉眼幾乎無差）
openvino_int4_mixed_w4a16.jpg	OpenVINO INT4 混合精度（22.8 dB，輕微變軟）
openvino_int4_w4a16.jpg	OpenVINO 純 INT4（18.0 dB，噪聲明顯）
openvino_int4_w4a8.jpg	OpenVINO INT4 權重 + INT8 activation（17.9 dB）
10_detail_montage.jpg	同一塊 320×320 細節（鷹頭 + 樹皮）的並排比較
metrics.json	機讀指標

指標（實測）

模型	模型大小	PSNR vs PyTorch FP32 ↑	SSIM vs PyTorch FP32 ↑	PSNR vs Ground Truth ↑	推論時間
pytorch_fp32（原始）	67.0 MB	基準	1.0000	20.12 dB	4.46 s
bicubic x4	–	22.54 dB	0.7049	21.70 dB	–
openvino_fp16	35.1 MB	48.38 dB	0.9981	20.14 dB	0.60 s
openvino_int8_w8a8	19.5 MB	27.76 dB	0.8675	20.39 dB	0.39 s
openvino_int4_mixed_w4a16	15.2 MB	22.84 dB	0.8160	18.68 dB	0.61 s
openvino_int4_w4a16	11.0 MB	18.02 dB	0.4879	17.19 dB	0.60 s
openvino_int4_w4a8	11.8 MB	17.89 dB	0.4624	17.09 dB	0.69 s

（測試機：Xeon Platinum 8559C 16 vCPU、OpenVINO 2026.4.1；時間含 model 載入後的單張推論。）

怎麼看這張表

1. FP16 幾乎無損：48 dB / SSIM 0.998，與原始 PyTorch 肉眼無法分辨，模型大小減半（67 → 35 MB）。
2. INT8 是最佳平衡點：27.8 dB、SSIM 0.87，實測比 FP16 快約 1.5×，模型只剩 19.5 MB。
3. INT4（純 4-bit） 體積最小（11 MB，比 FP32 小 6 倍），但 4-bit 誤差在 351 層殘差結構中累積， 會看到明顯的彩色雜訊（見 montage 右下），不建議用在有鑑識需求的照片上。
4. int4-mixed 讓最敏感的層留在 INT8，畫質回到可用範圍（SSIM 0.82），只比純 INT4 多 38% 體積。
5. 對 HR 的 PSNR 只有 ~20 dB 是正常的：Real-ESRGAN 是針對真實退化訓練的 GAN，輸出偏「銳化/有創意」， 用 PSNR 衡量 SR 品質向來偏低，重點請看同一組模型之間的相對差異（PSNR vs PyTorch 那一欄）。

重現這個資料夾

pip install torch onnx nncf openvino opencv-python numpy

# 1) 原始 PyTorch 權重（67 MB，不進本 repo）
mkdir -p weights && curl -L -o weights/RealESRGAN_x4plus.pth \
  https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth

# 2) 產生整個 samples/eagle_4x（含 PyTorch 參考輸出、各 IR 輸出、montage、metrics.json）
python tools/make_sample.py          # 需要 models/ 底下已備妥各個 IR

# 權重放在別的位置時：
REALESRGAN_PTH=/path/to/RealESRGAN_x4plus.pth python tools/make_sample.py

montage 的取樣區塊寫在 build_montage()（預設 y=400, x=620, 320×320，即鷹頭與樹皮）， tiled() 用的是與 realesrgan_ov.RealESRGAN 相同的 tile=128 / tile_pad=16 分塊邏輯。