SUPIR | Fotorealistisk bilde/video oppskalerer

1. ComfyUI SUPIR for bildeoppløsning | ComfyUI Oppskalering Arbeidsflyt

Denne ComfyUI Oppskalering arbeidsflyten bruker SUPIR (Scaling-UP Image Restoration), en avansert open-source modell designet for avansert bildegjenoppretting og oppskalering. I denne arbeidsflyten vil du oppleve hvordan SUPIR gjenoppretter og oppskalerer bilder for å oppnå fotorealistiske resultater.

2. ComfyUI SUPIR Oversikt

SUPIR, i spissen av bildeoppskaleringsteknologi, er sammenlignbar med kommersiell programvare som Magnific og Topaz AI. Vår veiledning omfatter SUPIR oppskaleringsinnpakning node innenfor ComfyUI arbeidsflyten, som er dyktig på oppskalering og gjenoppretting av realistiske bilder og videoer.

For bildeoppskalering vil denne arbeidsflytens standardoppsett være tilstrekkelig. For å endre det til videooppskalering, bytt fra "load image" til "load video" og endre utdataene fra "save image" til "combine video" for å tilpasse videofiler.

3. Introduksjon til SUPIR Modell

Scaling-UP Image Restoration teknologien er en banebrytende forbedrings- og oppskaleringsmodell introdusert av artikkelen Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild. SUPIR innoverer med en fotorealistisk bildegjenopprettingsmetode ved å bruke en generativ forutsetning kombinert med modellskalering, beriket av multimodale teknikker som muliggjør bildegjenoppretting styrt av tekstuelle prompt, noe som utvider anvendelsesspekteret betydelig.

4. Hvordan bruke ComfyUI SUPIR for bildeoppløsning

4.1. SUPIR Kompatible Modeller

Før du dykker inn i SUPIRs bruk, sørg for at sjekkpunktmodellene er tilgjengelige:

• To versjoner av SDXL CLIP Encoder fra OpenAI og LAION, henholdsvis.
• SDXL og LLaVA basismodeller, avgjørende for de innledende stadiene av bildebehandling.
• Valgfrie modeller som Juggernaut-XL versjoner som kan erstatte SDXL-basen i spesifikke scenarier for forbedrede fotorealistiske resultater.

4.2. SUPIR Modeller

To nøkkelversjoner av SUPIR er tilgjengelige:

• SUPIR-v0Q: Optimalisert for høy generalisering og kvalitet, egnet for et bredt spekter av bilder.
• SUPIR-v0F: Tilpasset for bilder med lett degradering, bevarer flere detaljer under slike forhold

4.3. Nøkkelparametere for SUPIR

• scale_by: Oppskaleringsforholdet for gitte innganger bestemmer hvor mye bildestørrelsen økes under gjenopprettingen.
• steps: Denne parameteren spesifiserer antall trinn for EDM Sampling Scheduler, som sannsynligvis påvirker detaljene og kvaliteten på gjenopprettingsprosessen.
• cfg_scale: Dette er den klassifiseringsfrie veiledningsskalaen for prompt, som påvirker hvor sterkt utdataene følger de oppgitte tekstuelle prompt.
• positive-prompt & negative_prompt: Disse parameterne lar brukerne styre gjenopprettingen mot ønskede kvaliteter (positiv prompt) og bort fra uønskede egenskaper (negativ prompt).
• s_churn & s_noise: Representerer originale hyperparametere for EDM, dette kontrollerer aspekter av støy modellen innenfor diffusjonsprosessen, som påvirker den endelige bildeteksturen og klarheten.
• color_fix_type: Denne parameteren lar deg velge fargekorrigeringsmetoder etter gjenoppretting, med alternativer som 'None', 'AdaIn', og 'Wavelet'.

4.4. Ytelsestips for SUPIR

• Maskinvarekrav: For å oppnå optimale resultater i høyoppløselig oppskalering med SUPIR oppskalereren, er det viktig å ha en tilstrekkelig kraftig maskinvareoppsett. Vi anbefaler å bruke en maskin utstyrt med minst 48GB VRAM, slik som Extra Large Machine tilgjengelig hos RunComfy, for å håndtere de intensive beregningskravene til avansert bildedetaljering.
• Maksimering av bildedetaljer med tekstprompt: Videre, for å maksimere potensialet til SUPIRs avanserte AI-algoritmer, bruk detaljert prompt-funksjonen fullt ut. Dette lar deg styre gjenopprettingsprosessen mer presist, og forbedre detaljeringen og realismen i de oppskalerte bildene. Ved å effektivt utnytte disse promptene, kan SUPIR produsere utdata som ikke bare er større i størrelse, men også overlegne i kvalitet.

5. Flere detaljer om SUPIR

Bildegjenopprettingsteknologi har vokst enormt, og leverer nå resultater som er visuelt imponerende og smartere. Denne veksten skyldes i stor grad introduksjonen av SUPIR Oppskalereren, som bruker avanserte generative modeller for å forbedre bilder.

5.1. Kjernekapasiteter til SUPIR-modellen

• Robuste modeller: Kjernen i SUPIR Oppskalereren er StableDiffusion-XL (SDXL), en kraftig generativ modell med 2,6 milliarder parametere. Den støttes av en adaptermodell som legger til ytterligere 600 millioner parametere, som gjør at SUPIR Oppskalereren kan gjenopprette bilder med eksepsjonelle detaljer og troverdighet.

5.2. Datadrevet fortreffelighet

• Omfattende treningsdata: SUPIR Oppskalereren er trent på et datasett med over 20 millioner høyoppløselige bilder, hver annotert med detaljerte beskrivelser. Dette datasettet trener en 13-milliarder-parameter multimodal språkmodell, som forbedrer SUPIR Oppskalererens evne til å produsere presise innholdsprompt for målrettet bildegjenoppretting.

5.3. Innovativ teknologi og strategisk implementering

• Avansert design: SUPIR Oppskalereren inkluderer flere strategiske forbedringer som ZeroSFT-kontakt, som forbedrer effektiviteten og reduserer beregningskravene. I tillegg er bildeenkoderen finjustert for bedre å håndtere bildedegradering, og øker nøyaktigheten av gjenopprettingsresultatene.
• Omfattende trening: Utover høyoppløselige bilder, inkluderer datasettet også lavere kvalitet, negative eksempler. Dette hjelper SUPIR Oppskalereren med å lære å identifisere og rette visuelle feil, og forbedrer den generelle gjenopprettingskvaliteten.

5.4. Balansering av forbedring og troverdighet

• Sofistikerte teknikker: Til tross for bruken av generative modeller, bruker SUPIR Oppskalereren en ny prøvetakingsteknikk for å balansere forbedringskvaliteten med troverdigheten til de originale bildene. Dette sikrer at mens den visuelle kvaliteten forbedres, bevares autentisiteten til de originale bildene.

For en dypere innsikt i SUPIR Oppskalererens kapasiteter og mer tekniske detaljer, utforsk ressurser på dens GitHub-side eller den grunnleggende forskningsartikkelen. Disse ressursene gir omfattende innsikt i teknologiene og strategiene som etablerer SUPIR Oppskalereren som en leder innen bildegjenoppretting.