| # 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 |
|
|
| ```bash |
| 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。 |
