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.

تدعم هذه الطريقة أيضًا التحكم الدقيق في عملية ترميم الصور من خلال توجيهات نصية، تُمكّن من تعديل جوانب مختلفة من الترميم بناءً على مدخلات المستخدم. أُطلقت تقنية SUPIR بالتعاون بين باحثين من معاهد شنتشن للتكنولوجيا المتقدمة التابعة للأكاديمية الصينية للعلوم، ومختبر شنغهاي A1، وجامعة سيدني، وجامعة هونغ كونغ للفنون التطبيقية، وشركة تينسنت، ومختبر ARC، وجامعة هونغ كونغ الصينية.الارتقاء نحو التميز: ممارسة توسيع نطاق النماذج لاستعادة الصور الواقعية في البرية"، تم قبولها من قبل CVPR 2024.

يستخدم هذا البرنامج التعليمي الموارد الخاصة بهاتف A6000 ثنائي الشريحة.

👉يوفر المشروع نموذجين 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,
title={Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild},
author={Fanghua Yu and Jinjin Gu and Zheyuan Li and Jinfan Hu and Xiangtao Kong and Xintao Wang and Jingwen He and Yu Qiao and Chao Dong},
year={2024},
eprint={2401.13627},
archivePrefix={arXiv},
primaryClass={cs.CV}
}