一、教程简介

Chain-of-Zoom 是由 KAIST AI 研究团队于 2025 年 5 月 26 日发布的链式缩放（CoZ）框架。该框架解决了现代单图像超分辨率（SISR）模型在要求放大远超该范围时会失效的问题。在 CoZ 框架中封装的标准 4 倍扩散 SR 模型能实现超过 256 倍的放大，同时保持高感知质量和保真度。相关论文成果为「Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment」。

该教程算力资源采用双卡 RTX 4090 。

二、效果展示

三、运行步骤

1. 启动容器

2. 使用步骤

若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 2-3 分钟后刷新页面。

具体参数：

• Input Image：输入图片。
• Color Alignment Method：
  • wavelet：不进行任何颜色校正。
  • adain：使用自适应实例归一化进行颜色校正。
  • nofix：使用小波变换进行更精细的颜色校正。

结果 

四、交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓

引用信息

感谢 Github 用户 SuperYang  对本教程的部署。本项目引用信息如下：

@article{kim2025chain,
  title={Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment},
  author={Kim, Bryan Sangwoo and Kim, Jeongsol and Ye, Jong Chul},
  journal={arXiv preprint arXiv:2505.18600},
  year={2025}
}