SimdGcdrNet：纯 C# 的文档照片去阴影，3080 Ti 上 9.6 ms 一张，浏览器里也能跑

手机拍文档是个很日常的事：合同、书页、孩子的手抄报，拍完一看，半边是手的影子，另一边是背面透过来的字。扫描 App 里那个"增强"按钮做的就是这件事，背后一般是个神经网络。

今天发布的 SimdGcdrNet 就是这样一个网络的纯 C# 推理库。模型是 GCDRNet（Appearance Enhancement for Camera-captured Document Images in the Wild ，IEEE TAI 2023），推理引擎是我自己写的------不依赖 onnxruntime，也不依赖任何第三方推理框架，和上个月的 SimdPaddleOCR 是一个路数。仓库语言统计依然是 100% C#。

先看效果。左边是原图，一张被手挡住一半光的手抄报，右边是 SimdGcdrNet 的输出：

powershell 复制代码

dotnet add package Sdcb.SimdGcdrNet
dotnet add package Sdcb.SimdGcdrNet.Models

csharp 复制代码

using Sdcb.SimdGcdrNet;
using Sdcb.SimdGcdrNet.Models;

using GcdrEnhancer enh = GcdrEnhancer.FromBytes(GcdrModels.GcNet, GcdrModels.DrNet, GcdrBackend.Auto);
byte[] dst = enh.Enhance(bgr, width: 1600, height: 1152);   // BGR24，HWC

几个关键数字：

RTX 3080 Ti 上一张 1600×1152 的图，Vulkan 端到端（含上传下载和前后处理）约 9.6 ms；同一张卡上 PyTorch 纯推理 30.5 ms，加上前后处理 57.2 ms。
49 张 RealDAE 真实文档语料，Vulkan 平均 28 ms/张，CPU AVX2 722 ms/张。
同一套代码编译成 WebAssembly，在浏览器里多线程跑，同一语料 696 ms/张。可以直接去 sdcb.ai/simdgcdrnet/playground 试，图片不会上传。
支持 Windows / Linux / macOS / Android / 浏览器，CPU 有 AVX-512、AVX2、NEON、WASM SIMD 四套手写内核，GPU 有 Vulkan 和 Metal。

从第一个提交到 1.0.0 发布，一共 80 个提交，用了不到一周。下面按"效果 → 怎么用 → 它是什么 → 性能 → 浏览器 → 示例"的顺序讲。

效果：不只是去阴影

GCDRNet 处理的是三类退化：光照不均（color）、阴影（shadow）和透印（bleed-through，背面的字透过纸张显出来）。上面那张手抄报是阴影，下面这张是透印，来自论文的 RealDAE 数据集：

透印对 OCR 的杀伤力比阴影大得多，因为背面的字是"真的字"，只是镜像而且淡一点，OCR 模型很乐意去认。仓库里有一个 examples/PaddleOCR.Console 示例，先用 SimdGcdrNet 增强，再分别对原图和增强图跑 SimdPaddleOCR，两次 OCR 用的是同一块解码后的 RGBA 内存：

复制代码

ocr-example.jpg: 1056x1586
enhanced in 194 ms (first call includes plan compilation)

===== original =====
4N4998
第二篇历年真题汇编
43
3.【答案】D
【解析】（1）本题应采用直接法计算应纳税所得额；（2）免税投资收益80万元不计人，各
......（正面的 12 行）
税务机关报送预缴企业所得税纳税申报表，预缴税款。员量点业
日H7:2 XRS03 IF
羊规方粉调
VXIF研Z断G
上型解5证5款00
5颗瑞求担单易期深售圳品国额冻上创零道中
......（背面透印产生的 40 多行）
制武卡知本宝方爆印物出4U明限君喂员集不校 0
 网上课堂www.dongao.com

===== enhanced =====
第三篇历年真题汇编
43
3.【答案】D
【解析】（1）本题应采用直接法计算应纳税所得额：（2)免税投资收益80万元不计人，各
项不得扣除的项目（5万元、30万元、10万元、50万元)不减除，甲公司2014年度企业所
得税应纳税所得额 =5000 + 20+300-3500 =1820（万元)。
4.【答案】ABCD
【解析】（1）选项 AD：企业所得税按年计征，分月或者分季预缴，年终汇算清缴，多退少
补。纳税年度自公历1月1日起至12月31日止。（2)选项B：除税收法律、行政法规另有
规定外，居民企业以"企业登记注册地"为纳税地点；但登记注册地在境外的，以实际管
理机构所在地为纳税地点。（3)选项C：企业应当自月份或者季度终了之日起15日内，向
税务机关报送预缴企业所得税纳税申报表，预缴税款。
0网上课堂
www.dongao.com

             lines   chars
original        56     762
enhanced        14     360

原图识别出 56 行、762 个字符，正面那 12 行之外全是背面透过来的乱码，连第一行正面文字末尾都被粘上了"员量点业"四个字；增强之后是干干净净的 14 行。这也是我做这个库最直接的动机：给 OCR 管线前面加一级预处理。

快速上手

需要 .NET 10，两个包都只面向 net10.0：

包	内容
`Sdcb.SimdGcdrNet`	推理引擎（CPU / Vulkan / Metal），附带 4 个 LINQPad 示例
`Sdcb.SimdGcdrNet.Models`	GC-Net + DR-Net 两个 ONNX 模型（约 21 MB），嵌入资源，无依赖，版本独立于引擎

模型包是独立的，GcdrModels.GcNet / GcdrModels.DrNet 返回的是程序集映像上的 ReadOnlySpan<byte>，零拷贝，不解压、不写临时文件。不想用 NuGet 上的模型，GcdrEnhancer.FromFiles(...) / FromStreams(...) 自己传。

API 只接收像素内存，不强迫你引入任何图像库。四种 8 位交错格式都支持，输出和输入同格式，alpha 原样拷回，支持任意行 stride，也支持原地增强：

csharp 复制代码

// ImageSharp：Rgba32，原地
enh.Enhance(span, w, h, srcStride: w * 4, dst: span, dstStride: w * 4, GcdrPixelFormat.Rgba32);

// OpenCvSharp：Mat 的 Step() 当 stride
enh.Enhance(src, mat.Width, mat.Height, (int)mat.Step(), dst, (int)mat.Step(), GcdrPixelFormat.Bgr24);

格式	常见来源
`Bgr24`	OpenCV `Mat`、GDI+ 24bpp
`Rgb24`	一般的 RGB 缓冲
`Bgra32`	SkiaSharp、GDI+ 32bpp、WPF
`Rgba32`	ImageSharp、浏览器 canvas

后端选择：GcdrBackend.Auto 在 macOS Apple Silicon 上优先 Metal，其它平台有可用 GPU 就 Vulkan，否则 CPU；也可以显式指定 Cpu（默认）/ Vulkan / Metal。GcdrEnhancer 是线程安全的，一个实例在服务里共用就行：CPU 按尺寸建 session 池，Vulkan 的 worker 与尺寸无关。

Native AOT 可以用，没有 trim / AOT 警告。x64 上记得在可执行项目里设 <IlcInstructionSet>x86-64-v3</IlcInstructionSet>，否则 ILC 按 SSE 基线编译，Avx2.IsSupported 被折叠成 false，CPU 后端会悄悄落到 128 位 Vector<float> 档。

它是什么

模型

GCDRNet 是两级串联：

GC-Net 看原图 I_s，预测一张逐像素的乘性光照/阴影图 I_sm。
除法校正 ：I_GC = clamp(I_s / I_sm, 0, 1)，把阴影"除掉"。
DR-Net 吃 6 通道的 [I_s; I_GC]，输出最终的增强图。

两个网络都是 U-Net 风格的卷积网络，中间夹着 LayerNorm 和 GELU，上采样是双线性插值加 skip 相加。输入会被 pad 到 32 的倍数（上、左复制填充），输出再裁回去，和参考 Python 实现一致。

引擎

和 SimdPaddleOCR 一样，这个库自带一个"编译式"推理引擎，不是算子解释器：

ONNX 读取：一个最小的 protobuf 读取器，只读 ONNX 用到的那几种字段。
图编译：按输入尺寸做 shape 特化、常量折叠、算子融合（conv+激活、conv+maxpool、UpHead 整行融合等），然后给所有中间张量做 arena 规划------按生存期贪心排布，达到"同时存活字节之和"的下界。GC 和 DR 两张图共用一块 arena，因为 GC 跑完 DR 才开始。
CPU 内核 ：NHWC 布局，手写 x64 AVX-512 / AVX2+FMA、arm64 NEON、browser-wasm PackedSimd 四套，往下是 Vector<float> 和标量兜底。按 IsSupported 自动分发，所以用 DOTNET_EnableAVX2=0 这类运行时开关就能强制降档，CI 里就是这么测各档位的。3×3 卷积走 Winograd F(4,3)，1×1 走 GEMM，深度卷积单独一套。
Vulkan 后端 ：push descriptor、ReBAR 感知的 staging、整张图录成一个命令缓冲。bgr2nchw → GC → div6 → DR → nchw2bgr 是一条融合管线，中间不回 CPU。有 VK_KHR_cooperative_matrix 的显卡（NVIDIA、Intel Xe2）卷积走张量核的隐式 GEMM；没有的（Adreno）走寄存器分块的直接卷积。
Metal 后端：纯 C# 通过 ObjC runtime P/Invoke 调 Metal，没有 Swift / Objective-C++ 胶水。fp16 存储 + fp32 计算，simdgroup-MMA 隐式 GEMM 卷积。

正确性靠 onnxruntime 生成的 golden 数据兜着：CPU 与 oracle 的差 ≤ 1e-4，GPU ≤ 5e-4，最终 u8 输出误差 ≤ 2。CI 在 win-x64 / win-arm64 / linux-x64 / linux-arm64 / osx-x64 / osx-arm64 上跑单元测试和 49 张语料的 smoke，x64 还额外跑 AVX-512 关、AVX2 关、AVX 关三档。

性能

RTX 3080 Ti：对比 PyTorch

测试机 Ryzen 7 5800X + RTX 3080 Ti，1600×1152 一张：

路径	耗时
PyTorch（CUDA）纯推理	30.5 ms
PyTorch 含前后处理	57.2 ms
SimdGcdrNet Vulkan 端到端（含上传、下载、前后处理）	~9.6 ms
SimdGcdrNet CPU AVX2，16 线程，gc+dr 推理	~365 ms

端到端比 PyTorch 含前后处理快 6 倍左右。这里面前后处理占了不少：PyTorch 版本的 bgr→nchw、除法、拼 6 通道都在 Python 侧，SimdGcdrNet 全部融合进了同一条 GPU 管线。

49 张真实文档：各设备

语料是 RealDAE 的 color / shadow / bleed 三类各抽 17 / 17 / 16 张，0.44 到 5.24 MP 混合尺寸，按编号顺序跑（大小图交错，池的驱逐重建会被真实暴露），第一张做 warmup 不计时，剩下 49 张逐张计 Enhance 端到端，解码不计时。

设备	CPU	GPU	GPU vs CPU
RTX 3080 Ti（5800X）	AVX2 722 ms	Vulkan 28 ms	25.7×
Intel Arc B580（5950X）	AVX2 414 ms	Vulkan 36 ms	11.5×
Apple M4（虚拟机）	NEON 689 ms	Metal 87 ms	7.9×
Radeon 880M 核显（锐龙 AI 9 H 365）	AVX-512 285 ms	Vulkan 100 ms	2.9×
骁龙 8 Gen 3 / Adreno 750（真我 GT5 Pro）	NEON 1030 ms	Vulkan 486 ms	2.1×
浏览器（Edge，5950X，wasm 多线程）	PackedSimd 696 ms	---	---
瑞芯微 RK3399（2× A72 + 4× A53，被动散热）	NEON 9.0 s	---	---

（单位：pass1 平均 ms/张；每台机器的完整 JSON、命令和逐轮明细都在仓库 docs/ 下）

几个值得单独说的点：

3080 Ti 的语料数字受 GPU 调频影响。 harness 在两张图之间要解码 webp（CPU 约 100 ms），GPU 每次只忙 20 ms 左右，NVIDIA 驱动按平均利用率把频率往下调，最低到 420 MHz，单张从 25 ms 涨到最多 100 ms。同尺寸背靠背连续跑一直是 23 ms / 5 MP。连续供图的服务场景看单尺寸稳态：1600×2304（3.7 MP）约 17 ms。
M4 是 Devin 的虚拟机，Metal 经 paravirt 透传，调度开销比真机高，还有宿主争抢抖动，真机只会更快。Metal 1600×1152 单点 42.3 ms，同机 CPU 316 ms，7.5 倍。
骁龙上 Adreno 750 没有 cooperative matrix，一开始的共享内存卷积路径只比 CPU 快一点点，改成寄存器分块的卷积 / GEMM 内核之后快了 2.6 倍，才有现在的 486 ms。
RK3399 那一行放着是认真的。 2016 年的 6 核 ARM 板子，被动散热，9 秒一张，NEON 档在锁 1 GHz 时是通用 Vector<float> 路径的 2.6 倍。手写 NEON 内核在低端 ARM 上的收益比在 M4 上大。

内存

早期版本 CPU 跑完语料 working set 峰值 3.3 GB，Vulkan 显存 1.3 GB，这对一个"预处理步骤"来说太重了。arena 紧凑排布、GC/DR 共用一块、conv+maxpool 融合、UpHead 重算 skip 几步下来：

后端	指标	优化前	现在
CPU AVX2	峰值 working set	3293 MB	794 MB
Vulkan	峰值 working set	933 MB	332 MB
Vulkan	显存	1289 MB	420 MB

一张 5.1 MP 的图，CPU worker 的 arena 从 2315 MB（452 字节/像素）降到 492 MB（96 字节/像素），速度不变，CPU 输出 hash 逐张一致。

浏览器：同一套代码，多线程 WASM

Sdcb.SimdGcdrNet 这个包本身就能被 browser-wasm 引用，不用改一行代码。开 WasmEnableThreads（Web Workers + SharedArrayBuffer）和 LLVM AOT 之后，5950X 上的 Edge 跑同一语料：

档位	均值/张	相对
浏览器 PackedSimd（WASM SIMD128）	696 ms	1.00×
浏览器 `Vector<float>`	1081 ms	1.55× 慢
同机桌面 .NET 128 位 `Vector<float>`（参考）	954 ms	1.37× 慢
同机桌面 .NET AVX2（参考）	420 ms	1.66× 快

浏览器里的 PackedSimd 档比同一台机器上桌面 RyuJIT 的 128 位 Vector<float> 档还快一点，是桌面 AVX2 的 60%。PackedSimd 这一档是专门写的：V8 在 x64 上最多给 v128 分 15 个 XMM 寄存器，所以卷积 micro-kernel 是 4 像素 × 8 通道的 tile；WASM SIMD 没有 FMA，乘加分开按 k 升序累加，和 Vector<float> 档逐 lane 运算顺序相同；LayerNorm 原来在非 AVX 档是单线程标量，向量化并行之后快了 10 到 14 倍。

我把它放到了个人网站上：sdcb.ai/simdgcdrnet/playground。拖一张图进去，或者 Ctrl+V 粘贴，可以拖动分割线对比原图和增强结果，也能把结果下载成 PNG。图片不会离开你的电脑，没有服务器参与推理。

这张截图是 16 线程下 1280×960 的手抄报，927 ms。.NET 运行时加模型大约 33 MB，首次打开要下载一会儿，之后浏览器会缓存。

两个要注意的地方：多线程 wasm 需要页面 crossOriginIsolated（COOP / COEP 响应头），自己部署的话记得配；wasm32 线性内存上限 2 GB，5 MP 的图峰值要 1.6 GB，所以 playground 把长边限制到了 1600。浏览器里没有 GPU 后端，Auto / Vulkan / Metal 都直接落到 CPU。

示例

仓库 examples/ 下有四个示例，覆盖了四种像素格式：

ASP.NET Core + ImageSharp （Rgba32，原地增强）：上传或拖拽，前后对比滑块，auto / cpu 后端切换，显示耗时；POST /api/enhance 返回增强后的图，/scalar 有 API 文档。

状态栏那一串是我这台 5800X + 3080 Ti 上的数字：1280×960，auto 选到了 Vulkan，增强 8.1 ms，JPEG 解码 29 ms，编码 27 ms，HTTP 往返 68 ms。推理本身已经不是瓶颈，解码和编码加起来是它的 7 倍。同一尺寸第一次调用是 428 ms，里面包含了这个尺寸的计划编译和显存分配，之后同尺寸的图都走热管线。

Avalonia + SkiaSharp （Bgra32 的 SKBitmap）：跨平台桌面，Windows / Linux / macOS 都能跑，并排预览，可以在 auto / cpu / vulkan（macOS 上是 metal）之间切换，保存 JPEG / PNG。

WPF + OpenCvSharp5 （Bgr24 的 Mat，任意 Step()）：和 Avalonia 版同样的界面，多了拖放。

两张桌面截图状态栏里的 249 ms 和 279 ms 都是首次调用，含计划编译；再点一次"增强"就是上面 Web 示例那种个位数毫秒。

PaddleOCR.Console：就是上面 56 行 → 14 行那个。

Sdcb.SimdGcdrNet 包里还带了 4 个 LINQPad 脚本（System.Drawing、ImageSharp、OpenCvSharp5、SkiaSharp + SimdPaddleOCR），在 LINQPad 里引用这个包后 Samples 面板里能直接看到。

已知限制

两个包只面向 net10.0，没有 netstandard2.0。
不支持批量推理（N > 1），没有 fp16 / int8 量化。
GPU 用 fp16 存储，输出和 CPU 有 ≤ 2 的 u8 级差异，PSNR 相同。
Metal 只在 M4 虚拟机和 GitHub Actions 的 macOS 虚拟机上测过，没有真机数据。
浏览器里没有 GPU 后端；多线程 wasm 需要 COOP / COEP。
模型本身的能力边界：对真值的 PSNR 平均 24.65 dB，个别图只有 11 dB 左右，是模型对那张图的能力极限，不是实现问题。

开源与交流

GitHub：https://github.com/sdcb/SimdGcdrNet，引擎 Apache-2.0；Sdcb.SimdGcdrNet.Models 跟随上游 GCDRNet 权重，MIT。
项目主页和在线体验：sdcb.ai/simdgcdrnet
感谢 GCDRNet 的作者 Jiaxin Zhang 开源模型和 RealDAE 数据集。测试语料整理在 sdcb/DocGainFixture。

觉得有用的话欢迎点个 Star。欢迎关注微信公众号 .NET骚操作 ，或者扫码加入 C#/.NET 计算机视觉交流群：

(如果群满了，或者微信群二维码过期，请加QQ群：.NET计算机视觉交流群 ：579060605)