1. Einführung in das Tutorial

Chain-of-Zoom (CoZ) ist ein Framework zur Kettenskalierung, das am 26. Mai 2025 vom KI-Forschungsteam des KAIST veröffentlicht wurde. Dieses Framework adressiert das Problem, dass moderne Einzelbild-Superauflösungsmodelle (SISR) versagen, wenn die erforderliche Vergrößerung die spezifizierten Grenzen deutlich überschreitet. Ein standardmäßiges 4x-Diffusions-SR-Modell, das in das CoZ-Framework integriert ist, erreicht eine Vergrößerung von über 256x bei gleichzeitig hoher wahrnehmbarer Qualität und Detailtreue. Die zugehörigen Forschungsergebnisse sind wie folgt: Chain-of-Zoom: Extreme Superauflösung durch Skalenautoregression und Präferenzausrichtung .

Die in diesem Tutorial verwendeten Rechenressourcen sind Dual-Card-RTX 4090.

2. Effektanzeige

3. Bedienungsschritte

1. Starten Sie den Container

2. Anwendungsschritte

Wenn „Bad Gateway“ angezeigt wird, bedeutet dies, dass das Modell initialisiert wird. Da das Modell groß ist, warten Sie bitte etwa 2–3 Minuten und aktualisieren Sie die Seite.

Spezifische Parameter:

• Eingabebild: Eingabebild.
• Methode zur Farbausrichtung:
  • Wavelet: Es wird keine Farbkorrektur durchgeführt.
  • adain: Farbkorrektur mit adaptiver Instanznormalisierung.
  • nofix: Verwenden Sie die Wavelet-Transformation für eine feinere Farbkorrektur.

Ergebnis 

4. Diskussion

🖌️ Wenn Sie ein hochwertiges Projekt sehen, hinterlassen Sie bitte im Hintergrund eine Nachricht, um es weiterzuempfehlen! Darüber hinaus haben wir auch eine Tutorien-Austauschgruppe ins Leben gerufen. Willkommen, Freunde, scannen Sie den QR-Code und kommentieren Sie [SD-Tutorial], um der Gruppe beizutreten, verschiedene technische Probleme zu besprechen und Anwendungsergebnisse auszutauschen ↓

Zitationsinformationen

Dank an den Github-Benutzer SuperYang  Bereitstellung dieses Tutorials. Die Zitationsinformationen für dieses Projekt lauten wie folgt:

@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}
}