SUPIR | Foto-realistický zvětšovač obrázků/videí

1. ComfyUI SUPIR pro rozlišení obrázků | ComfyUI Upscale Workflow

Tento ComfyUI Upscale workflow využívá SUPIR (Scaling-UP Image Restoration), špičkový open-source model navržený pro pokročilé vylepšení obrázků a videí. V tomto workflow zažijete, jak SUPIR obnovuje a zvětšuje obrázky, aby dosáhl foto-realistických výsledků.

2. Přehled ComfyUI SUPIR

SUPIR, přední technologie pro zvětšování obrázků, je srovnatelný s komerčním softwarem jako Magnific a Topaz AI. Naše tutoriál zahrnuje SUPIR upscaler wrapper node v rámci workflow ComfyUI, který je zdatný ve zvětšování a obnově realistických obrázků a videí.

Pro zvětšování obrázků bude výchozí nastavení tohoto workflow postačující. Pro úpravu na zvětšování videí, přepněte z "load image" na "load video" a změňte výstup z "save image" na "combine video" pro práci s video soubory.

3. Úvod do modelu SUPIR

Technologie Scaling-UP Image Restoration je průlomový model pro vylepšení a zvětšování obrázků, představený v článku Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild. SUPIR inovuje s metodou foto-realistické obnovy obrázků pomocí generativního prioru ve spojení s modelovým škálováním, obohaceným multimodálními technikami umožňujícími obnovu obrázků řízenou textovými podněty, což významně rozšiřuje jeho aplikační spektrum.

4. Jak používat ComfyUI SUPIR pro rozlišení obrázků

4.1. Kompatibilní modely SUPIR

Před zahájením používání SUPIR se ujistěte, že jsou kontrolní body modelů přístupné:

• Dvě verze SDXL CLIP Encoder od OpenAI a LAION.
• Základní modely SDXL a LLaVA, klíčové pro počáteční fáze zpracování obrázků.
• Volitelné modely jako Juggernaut-XL verze, které mohou nahradit základní SDXL v konkrétních scénářích pro lepší foto-realistické výsledky.

4.2. Modely SUPIR

K dispozici jsou dvě klíčové verze SUPIR:

• SUPIR-v0Q: Optimalizovaný pro vysokou generalizaci a kvalitu, vhodný pro širokou škálu obrázků.
• SUPIR-v0F: Přizpůsobený pro obrázky s lehkou degradací, zachovávající více detailů v těchto podmínkách.

4.3. Klíčové parametry SUPIR

• scale_by: Poměr zvětšení pro dané vstupy určuje, o kolik se velikost obrázku zvětší během obnovy.
• steps: Tento parametr specifikuje počet kroků pro EDM Sampling Scheduler, pravděpodobně ovlivňující detail a kvalitu procesu obnovy.
• cfg_scale: Toto je měřítko pro bezklasifikační vedení pro podněty, ovlivňující, jak silně se výstup přizpůsobí poskytnutým textovým podnětům.
• positive-prompt & negative_prompt: Tyto parametry umožňují uživatelům řídit obnovu směrem k požadovaným kvalitám (positive prompt) a od nežádoucích vlastností (negative prompt).
• s_churn & s_noise: Představující původní hyperparametry EDM, toto kontroluje aspekty šumového modelu v rámci difuzního procesu, ovlivňující konečnou texturu a jasnost obrázku.
• color_fix_type: Tento parametr umožňuje výběr metod korekce barev po obnově, s možnostmi včetně 'None', 'AdaIn' a 'Wavelet'.

4.4. Tipy pro výkon SUPIR

• Požadavky na hardware: Pro dosažení optimálních výsledků při zvětšování s vyšším rozlišením pomocí SUPIR upscaleru je nezbytné mít dostatečně výkonný hardware. Doporučujeme použít stroj vybavený alespoň 48GB VRAM, například Extra Large Machine dostupný na RunComfy, aby bylo možné zvládnout intenzivní výpočetní požadavky pokročilého detailování obrázků.
• Maximalizace detailů obrázku pomocí textových podnětů: Dále, abyste maximalizovali potenciál pokročilých AI algoritmů SUPIR, plně využijte funkci podrobných podnětů. To vám umožní přesněji řídit proces obnovy, čímž se zvýší detailování a realismus zvětšených obrázků. Efektivním využitím těchto podnětů může SUPIR produkovat výstupy, které jsou nejen větší, ale také kvalitnější.

5. Další informace o SUPIR

Technologie obnovy obrázků se výrazně rozrostla a nyní poskytuje vizuálně ohromující a chytřejší výsledky. Tento růst je z velké části způsoben zavedením SUPIR Upscaler, který využívá pokročilé generativní modely k vylepšení obrázků.

5.1. Hlavní schopnosti modelu SUPIR

• Robustní modely: Srdcem SUPIR Upscaler je StableDiffusion-XL (SDXL), výkonný generativní model s 2,6 miliardami parametrů. Podporován je adaptérovým modelem přidávajícím dalších 600 milionů parametrů, což umožňuje SUPIR Upscaler obnovovat obrázky s výjimečnými detaily a věrností.

5.2. Excelence založená na datech

• Rozsáhlá tréninková data: SUPIR Upscaler je trénován na datasetu více než 20 milionů vysoce kvalitních obrázků, z nichž každý je anotován podrobnými popisy. Tento dataset trénuje multimodální jazykový model s 13 miliardami parametrů, což zvyšuje schopnost SUPIR Upscaler produkovat přesné obsahové podněty pro cílenou obnovu obrázků.

5.3. Inovativní technologie a strategická implementace

• Pokročilý design: SUPIR Upscaler zahrnuje několik strategických vylepšení, jako je ZeroSFT konektor, který zlepšuje efektivitu a snižuje výpočetní nároky. Navíc, jeho enkodér obrázků je jemně doladěn pro lepší zvládání degradace obrázků, což zvyšuje přesnost výsledků obnovy.
• Komplexní trénink: Kromě vysoce kvalitních obrázků dataset také obsahuje méně kvalitní, negativní příklady. To pomáhá SUPIR Upscaler naučit se identifikovat a opravovat vizuální vady, čímž se zvyšuje celková kvalita obnovy.

5.4. Vyvážení vylepšení a věrnosti

• Sofistikované techniky: Navzdory použití generativních modelů, SUPIR Upscaler využívá novou vzorkovací techniku k vyvážení kvality vylepšení s věrností původních obrázků. To zajišťuje, že zatímco se zvyšuje vizuální kvalita, autenticita původních obrázků je zachována.

Pro hlubší ponor do schopností SUPIR Upscaler a více technických detailů, prozkoumejte zdroje na jeho GitHub stránce nebo základní výzkumný článek. Tyto zdroje poskytují komplexní náhled na technologie a strategie, které činí SUPIR Upscaler lídrem v obnově obrázků.