1. مقدمة البرنامج التعليمي

SUPIR (استعادة الصورة بالتوسيع) هي طريقة رائدة لاستعادة الصور وتحسين الجودة. يستخدم النموذج المبني نموذج التوليد واسع النطاق StableDiffusion-XL (SDXL) وتكنولوجيا توسيع النموذج، ويحقق استعادة عالية الجودة للصور منخفضة الجودة من خلال التعلم العميق والطرق المتعددة الوسائط. يمكنه رفع دقة الصور منخفضة الدقة إلى دقة عالية مع الحفاظ على تفاصيل الصورة وواقعيتها. يمكن لبرنامج SUPIR التعامل مع العديد من مواقف التدهور المعقدة مثل عدم الوضوح والضوضاء والضغط وما إلى ذلك، وبالتالي تحقيق استعادة عالية الجودة للصورة ورفع مستوى الصور منخفضة الدقة إلى دقة عالية مع الحفاظ على تفاصيل الصورة والواقعية.

وتدعم الطريقة أيضًا التحكم الدقيق في استعادة الصورة من خلال مطالبات النص، والتي يمكنها ضبط جوانب مختلفة من الاستعادة استنادًا إلى إدخال المستخدم. تم إطلاق SUPIR بشكل مشترك من قبل باحثين من معاهد شنتشن للتكنولوجيا المتقدمة التابعة للأكاديمية الصينية للعلوم، ومختبر شنغهاي A1، وجامعة سيدني، وجامعة هونغ كونغ للفنون التطبيقية، وتينسنت، ومختبر ARC، والجامعة الصينية في هونغ كونغ.

يستخدم هذا البرنامج التعليمي الموارد الخاصة بهاتف A6000 ثنائي الشريحة.

👉يوفر المشروع نوعين من النماذج:

• SUPIR-v0Q: إعدادات التدريب الافتراضية. تتمتع بقدرة تعميم عالية وجودة صورة عالية في معظم الحالات.
• SUPIR-v0F: تم تدريبه بإعدادات جودة الإضاءة المنخفضة. يحافظ جهاز التشفير SUPIR-v0F من المرحلة 1 على المزيد من التفاصيل حتى عندما تنخفض جودة الإضاءة.

أمثلة المشاريع

2. خطوات التشغيل

1. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب

إذا لم يتم عرض "النموذج"، فهذا يعني أنه يتم تهيئة النموذج. نظرًا لأن النموذج كبير الحجم، يرجى الانتظار لمدة 1-2 دقيقة وتحديث الصفحة.

2. بعد الدخول إلى صفحة الويب، يمكنك بدء محادثة مع النموذج

كيفية الاستخدام

التبادل والمناقشة

🖌️ إذا رأيت مشروعًا عالي الجودة، فيرجى ترك رسالة في الخلفية للتوصية به! بالإضافة إلى ذلك، قمنا أيضًا بتأسيس مجموعة لتبادل الدروس التعليمية. مرحبًا بالأصدقاء لمسح رمز الاستجابة السريعة وإضافة [برنامج تعليمي SD] للانضمام إلى المجموعة لمناقشة المشكلات الفنية المختلفة ومشاركة نتائج التطبيق↓

معلومات الاستشهاد

@misc{yu2024scaling، العنوان={الارتقاء إلى التميز: ممارسة قياس النماذج لاستعادة الصور الواقعية في البرية}، المؤلف={فانجهوا يو وجينجين جو وزهي يوان لي وجينفان هو وشيانغتاو كونغ وشينتاو وانغ وجينغوين هي ويوي تشياو وتشاو دونغ}، السنة={2024}، الطبعة الإلكترونية={2401.13627}، بادئة الأرشيف={arXiv}، الفئة الأساسية={cs.CV}}