【免费下载链接】Restormer-motion-deblurring-fp32项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/Restormer-motion-deblurring-fp32点击查看免费下载Restormer-motion-deblurring-fp32是一个转成 Apple MLX 格式的运动去模糊motion deblur图像修复模型专为 Apple Silicon 芯片设计用 fp32 精度存储约 2600 万个参数。它能在 GoPro 32.92 基准上跑出漂亮的分数但在真实手机照片上可能不如原图。这篇文章帮你彻底搞懂它的边界避免踩坑 模型是什么一分钟认识 Restormer-motion-deblurring-fp32项目说明原始模型RestormerZamir et al., CVPR 2022,Efficient Transformer for High-Resolution Image Restoration模型任务相机抖动camera-shake与主体运动subject-motion去模糊参数规模26,126,644 参数494 个张量LayerNorm_typeWithBias精度 / 体积fp32权重文件 model.safetensors 约100 MB运行框架Apple MLXApple Silicon 原生推理配套工具mlx-restormer-swiftSwift 包 / MLXEngineimageRestoreModelPackage许可证MIT可商用见下文避坑提醒完整技术说明见仓库的 README.md。✅避坑提醒Restormer 本体是纯 MIT 许可商业使用无障碍。但同一作者swz30的其他模型——MIRNet / MIRNetv2 / MPRNet / CycleISP——用的是Academic Public License学术用途许可。两者极易混淆商用前务必确认你用的是哪一个。 它能打什么GoPro 32.92 基准的成绩单该模型在GoPro 数据集上训练并评测32.92 PSNR就是它的官方基准分数。它擅长处理的场景是全局一致的相机抖动整张照片按统一方向、统一速度移动比如走路时手持拍摄主体运动模糊画面中物体整体平移产生的条纹状模糊这类模糊的特点是整张图糊得差不多——模糊核blur kernel在画面各处基本一致。❌ 它打不动什么空间变化模糊spatially varying blur这是理解本模型最关键的一点 ⚠️原理层面Restormer 的 Transformer 注意力在空间上是全局global的。全局注意力假设模糊是一种全局一致的退化场模型倾向于学习一个整体统一的去模糊策略。而当画面不同区域的模糊程度、方向各不相同spatially varying blur例如前景人物向右移动、背景向左移动或景深差异导致近清晰远模糊时这种假设失效模型能力明显下降。实证层面2026 年的研究Deblurring in the Wild给出了更直接的证据——所有在 GoPro 数据集上训练的去模糊方法在真实手机照片的模糊上得分甚至低于模糊输入本身。换句话说在基准上领先的模型拿到真实场景可能不升反降。GoPro 32.92 基准 vs 真实手机照片一张表看懂差异对比维度GoPro 32.92 基准真实手机照片模糊类型受控、近似一致的运动模糊复杂、空间变化明显的混合模糊模型表现32.92 PSNR排名靠前可能低于模糊原图Deblurring in the Wild结论结论价值模型间横向对比参考决定要不要上生产的依据一句话总结基准排名只是真实世界价值的弱预测器。选模型看 PSNR 排名用模型必须验证自己的数据。⚠️ 推理内存大坑为什么必须用分块Tile跑README 中特别用警告标出的重点不要整帧full-frame跑这个模型在 M5 Max 上的实测数据推理方式内存占用1080p 整帧直跑MLX 分配15.50 GB/ 进程足迹高达48.02 GB分块tiled推理MLX 峰值稳定在约 2.6 GB512² → 1080p 全尺寸都差不多为什么分块能这么省内存峰值由单块大小决定而不是整图大小——图片越大只是跑的块更多而不是块更大所以峰值是平的。使用分块时还有两个工程细节块尺寸必须 8 对齐模型内部有三级pixelUnshuffle(2)2×2 分组网格的步长是 2、4、8 像素。块原点不对齐 8网格就会和整图分解错位重叠overlap的选择按接缝可见性实测overlap 0 会留下轻微但真实的接缝边界梯度是内部的 1.31 倍对齐的 overlap ≥ 8 都测得很干净1.09–1.20 倍。有趣的是——以整帧为参照的 PSNR 反而偏好 overlap 0所以 PSNR 是做分块器选型时的错误指标 三步跑起来首次去模糊推理模型通过mlx-restormer-swiftSwift 包使用权重经 Hub 自动解析加载核心代码只有几行import RestormerMLXCore var cfg Restormer.Configuration() cfg.normKind .withBias let model Restormer(cfg) try model.loadWeights(from: weightsURL) let restored model.restoreTiled(imageNHWC) // NHWC RGB, 取值范围 [0,1]要点清单 输入格式NHWCRGB 三通道像素值归一化到[0, 1] 调用restoreTiled而不是整帧接口把块尺寸设为 8 的倍数、overlap ≥ 8cfg.normKind必须设为.withBias与本仓库权重的 LayerNorm 变体对应✅ 实践建议上生产前先用自己的照片验证结合本仓库的Honest limitation声明给出手持手机照片用户的建议先小批量验证拿 10–20 张你自己拍的模糊照片跑一遍肉眼对比模糊原图 vs 去模糊结果而不是只看 PSNR判断模糊类型你的模糊是整张均匀地糊可用还是远近糊得不一样、方向不一致效果存疑控制预期对于空间变化模糊严重的场景复杂运动、大景深差当前 Restormer 系模型不是最优解宁可保留原图内存规划按约 2.6 GB MLX 峰值分块模式做内存预算别按整帧的 15.5 GB 设计❓ 常见问题Q权重文件为什么本地看只有 134 字节A仓库使用 Git LFS 存储大文件本地显示的是 LFS 指针实际权重约 100 MB拉取时会自动下载真实文件。Q这个模型只能在 Apple 设备上用吗A本仓库是MLX 格式model.safetensors为 NHWC 布局目标是 Apple Silicon。非 Apple 平台应使用原 PyTorch 版本上游.pth权重state dict 嵌套在raw[params]下BasicSR 惯例。Qfp32 版本为什么不做 fp16A该仓库以 fp32 精度发布并与 PyTorch 原始实现做了严格的逐层一致性验证full model 余弦相似度1.00000000最差误差 1.0e-06保证转换后数值行为与原模型等价。总结Restormer-motion-deblurring-fp32 是一个边界清晰的去模糊模型✅擅长GoPro 基准下的全局一致运动模糊MIT 许可可商用MLX 上分块推理仅需约 2.6 GB 内存❌打不动空间变化模糊——受全局注意力机制限制且在真实手机照片上已被实证可能不如原图核心原则32.92 的基准分数是它的体检报告不是实战成绩单。验证你的照片再决定上不上线。赞分享【免费下载链接】Restormer-motion-deblurring-fp32项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/Restormer-motion-deblurring-fp32点击查看免费下载相关推荐诚实说明书Restormer-defocus-deblurring-fp32 的真实能力边界——为什么榜单高分不等于实拍照去模糊好用诚实说明书Restormer defocus deblurring fp32 的真实能力边界——为什么榜单高分不等于实拍照去模糊好用 Restormer de苹果芯片上的图像去模糊神器一文快速了解 Restormer-defocus-deblurring-fp32 是什么苹果芯片上的图像去模糊神器一文快速了解 Restormer defocus deblurring fp32 是什么 Restormer defocus debRestormer-motion-deblurring-fp32 用户指南用 mlx-restormer-swift 在 macOS 上搭建运动去模糊推理的完整教程Restormer motion deblurring fp32 用户指南用 mlx restormer swift 在 macOS 上搭建运动去模糊推理的完创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考