2026/08/14

오픈소스 비디오 업스케일러: video2x와 Real-ESRGAN 설정

오픈소스 비디오 업스케일러 가이드: video2x 대 Real-ESRGAN, 엔진, NVIDIA 외 Vulkan GPU 지원, 애니메이션 모델, 저VRAM 타일링, 상용 라이선스.

오픈소스로 비디오를 업스케일할 수 있고, 오픈소스 비디오 업스케일러 스택은 거의 모든 워크플로를 다루는 두 프로젝트로 정착했습니다. video2x(GitHub 20,913개 별, AGPL-3.0)는 전체 파이프라인입니다: GUI, Windows 설치 프로그램, 여러 업스케일링 엔진을 하나의 인터페이스 뒤에 감싸는 배치 처리^[1]. Real-ESRGAN(36,472개 별, BSD-3-Clause)는 그 엔진들이 구축한 복원 모델이며, 프레임워크 없이 모델만 원할 때를 위해 자체 휴대용 실행 파일을 제공합니다^[2].

이 가이드는 각 도구가 실제로 무엇을 설치하는지, 어떤 GPU에서 실행되는지(답은 NVIDIA보다 넓습니다), 어떤 모델 변형이 어떤 영상에 맞는지, 사람들을 호스팅된 API로 되돌려 보내는 정직한 한계가 어디인지를 다룹니다. 모든 프로젝트 정보는 두 리포지토리의 자체 문서에서 가져왔으며, 2026년 8월에 검색했습니다.

오픈소스 비디오 업스케일러 스택, 그리고 두 프로젝트의 관계

관계는 비교보다 더 중요합니다. video2x는 머신러닝 비디오 초해상도 및 프레임 보간 프레임워크입니다. Real-ESRGAN은 그 내부 엔진 중 하나입니다. video2x 6.x는 ncnn과 Vulkan을 통해 Real-ESRGAN, Real-CUGAN, RIFE를 지원하며, Anime4K v4와 MPV 호환 GLSL 셰이더를 추가로 지원합니다^[1]. 따라서 실무상 질문은 품질 측면에서 "video2x 또는 Real-ESRGAN"이라기보다는, 전체 비디오 파이프라인(추출, 업스케일, 보간, 재조립)을 관리받을지 아니면 모델에 대한 직접 제어를 원할지입니다.

무엇이든 설치하기 전에 등록할 만한 두 가지 사실이 있습니다:

GPU 요구사항은 Vulkan이지, CUDA가 아닙니다. video2x는 Vulkan을 지원하는 GPU가 필요하며^[1], Real-ESRGAN의 휴대용 빌드는 ncnn-Vulkan 구현을 통해 Intel, AMD, NVIDIA GPU에서 실행됩니다^[2]. 오픈소스 업스케일링이 NVIDIA 카드가 필요하다는 일반적인 믿음은 이 스택에서는 틀렸습니다.
라이선스는 다른 방향을 가리킵니다. video2x의 AGPL-3.0은 다른 사람에게 제공하는 서비스에 빌드하는 경우 의무가 있습니다. Real-ESRGAN의 BSD-3-Clause는 그렇지 않습니다. 개인 및 내부 작업의 경우 둘 다 방해가 되지 않습니다.

video2x: 전체 파이프라인 경로

video2x는 입력이 비디오 파일이고 원하는 출력이 더 나은 비디오 파일인 경우에 올바른 진입점이며, 아무것도 손으로 조립할 필요가 없습니다. 현재 6.4.0 릴리스는 Windows와 Linux용 크로스 플랫폼이며, Qt6 GUI와 원클릭 Windows 설치 프로그램이 있습니다^[1].

프레임워크가 당신을 위해 처리하는 것:

두 가지 처리 모드: 필터링(업스케일링)과 프레임 보간, 따라서 24fps 클립은 더 선명해지고 더 부드러워질 수 있습니다^[1].
작업별 엔진 선택: 애니메이션 속도를 위한 Anime4K v4, 사진 복원을 위한 Real-ESRGAN, 애니메 조정 대안인 Real-CUGAN, 보간을 위한 RIFE^[1].
비디오 배관: 프레임 추출, 프레임 단위 추론, 오디오를 포함한 재조립, 이것이 바로 모델을 비디오 파일에 직접 스크립팅할 때 잘못되는 부분입니다.

대가는 불투명성과 속도입니다. 프레임워크 릴리스는 내부 모델보다 느리게 움직이며, 작업이 클립 중간에 실패하면 디버깅은 당신이 아닌 프레임워크의 로그 수준에서 발생합니다.

Real-ESRGAN: 휴대용 실행 파일과 Python 경로

Real-ESRGAN는 자신의 목표를 일반적인 이미지 및 비디오 복원을 위한 실용적인 알고리즘으로 설명하며^[2], 그 배포는 "실용적"을 반영합니다: Windows, Linux, macOS용 사전 빌드 휴대용 실행 파일이며, Python 환경이 필요 없고 ncnn-Vulkan을 통해 Intel, AMD, NVIDIA GPU에서 실행됩니다^[2].

비디오 작업에 중요한 세부사항:

AnimeVideo-v3는 비디오 특화 모델입니다: 애니메 비디오용 소형 모델로, 리포지토리에 자체 비교와 함께 문서화되어 있습니다^[2]. 애니메이션 영상의 경우 일반 x4plus 모델이 아닌 기본 선택입니다.
RealESRGAN_x4plus_anime_6B는 파일 크기와 속도가 중요할 때의 컴팩트 애니메 이미지 모델입니다^[2].
Python 추론 스크립트는 타일링을 지원합니다^[2], 이는 저VRAM 탈출구입니다: GPU 메모리에 너무 큰 프레임은 실패하는 대신 타일로 처리됩니다. 느리지만 완료됩니다.
알파 채널, 그레이스케일, 16비트 이미지는 같은 스크립트에서 처리되며^[2], 이는 "비디오" 작업이 실제로 VFX 파이프라인의 이미지 시퀀스 작업일 때 중요합니다.

이 방향으로 가는 대가: Real-ESRGAN 단독은 프레임을 처리하며, 비디오는 아닙니다. ffmpeg 추출 및 재조립, 오디오 트랙, 프레임 레이트 부기를 소유하거나, video2x를 다시 맨 위에 놓으면 추상화 한 수준 위입니다.

무료 경로가 실제로 비용

소프트웨어는 무료이며, 실행은 아닙니다. 프레임 단위 추론은 작업의 전체 기간 동안 GPU를 점유하고, 4배 긴 클립은 소비자 카드에서 수시간의 점유이며, 저VRAM용 타일 처리는 더 연장됩니다. 그 비용은 주 3번째 배치까지는 보이지 않으며, 이때가 호스팅된 API와의 산술 비교가 실행할 가치가 있을 때입니다: 초당 API 가격은 가벼운 개선을 위해 $0.002054/s부터 시작하며, 전용 Topaz 업스케일링의 경우 $0.044/s입니다^[3]^[4]. 그리고 당신의 볼륨에 대한 손익분기점 계산은 5분 걸립니다.

대부분의 팀이 착지하는 깔끔한 노동 분담: 복원이 좋아 보일 때까지 반복하기 위한 오픈소스(무제한 재실행, 0한계 비용), 그 다음 배치를 위한 API(Python 배치 파이프라인은 약 80줄입니다). 피해야 할 실패 모드는 월간 볼륨을 처리하는 취약한 로컬 팜을 스크립팅하는 것이며, 호스팅된 경우 $25입니다.

10초 테스트, 단계별

어떤 도구를 설치하든 첫 실행은 전체 클립이 아닌 다듬은 테스트 세그먼트여야 합니다. 가장 낭비되는 GPU 시간을 절약하는 시퀀스:

최악의 부분에서 10초를 자르십시오; 깔끔한 섹션은 모든 업스케일러를 통과하고 당신에게 아무것도 알려주지 않습니다.
내용별로 엔진을 선택하십시오, 벤치마크 스크린샷별이 아니라: 사진 영상은 Real-ESRGAN의 일반 모델로, 애니메이션은 AnimeVideo-v3 또는 Anime4K로, 보간은 배포 형식이 실제로 더 높은 프레임 레이트가 필요할 때만^[1]^[2].
4배를 시도하기 전에 2배로 실행하십시오. 해상도를 두 배로 늘리는 것이 일반적으로 안전합니다. 낮은 품질 소스에서 4배로 증가하면 얼굴과 텍스트에서 변하는 세부사항이 발명됩니다.
100% 줌에서 대상 화면에서 비교하십시오, 일시 정지된 모션. 시간적 반짝임과 타일 심이 축소판 크기에서 숨습니다.
실행 시간을 측정하고 외삽하십시오. 10초의 처리 시간에 실제 백로그를 곱한 값이 무료 경로의 정직한 비용이며, 배치가 로컬에 머물지 API로 이동할지를 결정하는 수입니다.

실무상 선택하기

video2x를 설치하는 경우 작업이 "이 비디오 파일들을 더 나아지게"이고 GUI, 설치 프로그램, 배관 없는 엔진 선택을 원합니다. 특히 애니메이션 중심 워크로드: Anime4K와 Real-CUGAN은 네이티브로 여기 살고 있습니다^[1].

Real-ESRGAN로 직접 이동 Python이 없는 머신의 휴대용 실행 파일이 필요하거나, 컨테이너 파일이 아닌 이미지 시퀀스를 처리 중이거나, VRAM에 맞게 타일링이 필요하거나, 복원을 당신의 파이프라인에 포함시키면서 AGPL이 문제이고 BSD는 아닐 때^[2].

둘 다 건너뛰십시오 영상이 이미 깨끗하고 배포 사양에만 해상도가 필요할 때; 그것이 바로 지루하고 저렴한 작업이며 호스팅된 개선 계층이 존재하는 이유입니다^[4].

k4yt3x. video2x — README: supported engines, modes, platforms, and requirements (v6.4.0). Retrieved August 2026 from github.com/k4yt3x/video2x
Xintao Wang et al. Real-ESRGAN — README: portable executables, model variants, inference options. Retrieved August 2026 from github.com/xinntao/Real-ESRGAN
reAPI. Topaz Video Upscaler — model page with live per-second pricing. Retrieved August 2026 from reapi.ai/models/topaz-video-upscaler
reAPI. Enhance Video 1.0 — model page with live per-second pricing. Retrieved August 2026 from reapi.ai/models/enhance-video-1-0