SUPIR | Fotorealistisk Billede/Video Opskaler

1. ComfyUI SUPIR til Billedopløsning | ComfyUI Opskalering Arbejdsgang

Denne ComfyUI Opskalering arbejdsgang anvender SUPIR (Scaling-UP Image Restoration), en avanceret open-source model designet til avanceret billed- og video forbedring. I denne arbejdsgang vil du opleve, hvordan SUPIR restaurerer og opskalerer billeder for at opnå fotorealistiske resultater.

2. ComfyUI SUPIR Oversigt

SUPIR, spydspidsen inden for billedopskaleringsteknologi, er sammenlignelig med kommerciel software som Magnific og Topaz AI. Vores tutorial omfatter SUPIR upscaler wrapper node inden for ComfyUI arbejdsgang, som er dygtig til opskalering og restaurering af realistiske billeder og videoer.

Til billedopskalering vil denne arbejdsgangs standardopsætning være tilstrækkelig. For at ændre den til videoopskalering, skift fra "load image" til "load video" og ændr output fra "save image" til "combine video" for at imødekomme videofiler.

3. Introduktion til SUPIR Model

Scaling-UP Image Restoration teknologien er en banebrydende forbedrings- og opskaleringsmodel introduceret af papiret Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild. SUPIR innoverer med en fotorealistisk billedrestaureringsmetode ved hjælp af en generativ forudindstilling kombineret med modelskalering, beriget af multimodale teknikker, der tillader billedrestaurering guidet af tekstuelle prompts, hvilket udvider dens anvendelsesspektrum betydeligt.

4. Sådan Bruges ComfyUI SUPIR til Billedopløsning

4.1. SUPIR Kompatible Modeller

Før du dykker ned i SUPIR’s anvendelse, skal du sikre dig, at kontrolpunktsmodellerne er tilgængelige:

• To versioner af SDXL CLIP Encoder fra henholdsvis OpenAI og LAION.
• SDXL og LLaVA basismodeller, som er afgørende for de indledende faser af billedbehandling.
• Valgfrie modeller som Juggernaut-XL versioner, der kan erstatte SDXL basen i specifikke scenarier for forbedrede fotorealistiske resultater.

4.2. SUPIR Modeller

To nøgleversioner af SUPIR er tilgængelige:

• SUPIR-v0Q: Optimeret til høj generalisering og kvalitet, velegnet til en bred vifte af billeder.
• SUPIR-v0F: Skræddersyet til billeder med let nedbrydning, bevare flere detaljer under sådanne forhold

4.3. Nøgleparametre for SUPIR

• scale_by: Opskaleringsforholdet for givne input bestemmer, hvor meget billedstørrelsen øges under restaurering.
• steps: Denne parameter specificerer antallet af trin for EDM Sampling Scheduler, sandsynligvis påvirker detaljerne og kvaliteten af restaureringsprocessen.
• cfg_scale: Dette er den classifier-free guidance skala for prompts, der påvirker, hvor stærkt output følger de givne tekstuelle prompts.
• positive-prompt & negative_prompt: Disse parametre tillader brugere at guide restaureringen mod ønskede kvaliteter (positive prompt) og væk fra uønskede egenskaber (negative prompt).
• s_churn & s_noise: Repræsenterer originale hyperparametre af EDM, dette styrer aspekter af støjmodellen inden for diffusionsprocessen, hvilket påvirker den endelige billedtekstur og klarhed.
• color_fix_type: Denne parameter tillader valg af farvekorrektionsmetoder efter restaurering med muligheder inklusive 'None', 'AdaIn', og 'Wavelet'.

4.4. Ydelsestips for SUPIR

• Hardware Krav: For at opnå optimale resultater i højere opløsningsopskalering med SUPIR upscaleren, er det essentielt at have en tilstrækkelig kraftig hardwareopsætning. Vi anbefaler at bruge en maskine udstyret med mindst 48GB VRAM, såsom den Ekstra Store Maskine tilgængelig hos RunComfy, for at håndtere de intensive beregningskrav ved avanceret billeddetaljering.
• Maksimering af Billeddetaljer med Tekst Prompts: For yderligere at maksimere potentialet i SUPIR’s avancerede AI-algoritmer, udnyt fuldt ud den detaljerede promptfunktion. Dette tillader dig at guide restaureringsprocessen mere præcist, hvilket forbedrer detaljeringen og realismen af de opskalerede billeder. Ved effektivt at udnytte disse prompts kan SUPIR producere output, der ikke kun er større i størrelse, men også af overlegen kvalitet.

5. Flere Detaljer om SUPIR

Billedrestaureringsteknologi har udviklet sig enormt og leverer nu resultater, der er visuelt imponerende og smartere. Denne vækst skyldes i høj grad introduktionen af SUPIR Upscaler, som anvender avancerede generative modeller til at forbedre billeder.

5.1. Kernefunktioner af SUPIR modellen

• Robuste Modeller: Hjertet i SUPIR Upscaler er StableDiffusion-XL (SDXL), en kraftfuld generativ model med 2,6 milliarder parametre. Den understøttes af en adaptor model, der tilføjer yderligere 600 millioner parametre, hvilket gør det muligt for SUPIR Upscaler at restaurere billeder med exceptionel detaljegrad og nøjagtighed.

5.2. Data-Drevet Ekspertise

• Omfattende Træningsdata: SUPIR Upscaler er trænet på et datasæt med over 20 millioner høj-kvalitets billeder, hver annoteret med detaljerede beskrivelser. Dette datasæt træner en 13-milliarder-parametre multi-modal sprogmodel, hvilket forbedrer SUPIR Upscaler’s evne til at producere præcise indholdsprompts til målrettet billedrestaurering.

5.3. Innovativ Teknologi og Strategisk Implementering

• Avanceret Design: SUPIR Upscaler inkluderer flere strategiske forbedringer som ZeroSFT connector, som forbedrer effektiviteten og reducerer beregningskravene. Derudover er dens billedencoder finjusteret til bedre at håndtere billednedbrydning, hvilket øger nøjagtigheden af restaureringsresultaterne.
• Omfattende Træning: Ud over høj-kvalitets billeder inkluderer datasættet også lavere-kvalitets, negative eksempler. Dette hjælper SUPIR Upscaler med at lære at identificere og rette visuelle fejl, hvilket forbedrer den samlede restaureringskvalitet.

5.4. Balance mellem Forbedring og Troskab

• Sofistikerede Teknikker: På trods af brugen af generative modeller anvender SUPIR Upscaler en ny samplingsteknik til at balancere forbedringskvaliteten med troskaben til de originale billeder. Dette sikrer, at mens den visuelle kvalitet forbedres, bevares ægtheden af de originale billeder.

For en dybere indsigt i SUPIR Upscaler’s kapaciteter og flere tekniske detaljer, udforsk ressourcerne på dens GitHub side eller det grundlæggende forskningspapir. Disse ressourcer giver omfattende indsigt i de teknologier og strategier, der etablerer SUPIR Upscaler som en leder inden for billedrestaurering.