1. Introduction au tutoriel

Chain-of-Zoom est un framework de zoom chaîné (COZ) publié par l'équipe de recherche en IA du KAIST le 26 mai 2025. Ce framework résout le problème de l'échec des modèles modernes de super-résolution d'image unique (SISR) lorsqu'ils doivent zoomer bien au-delà de cette plage. Le modèle SR de diffusion 4x standard encapsulé dans le framework COZ permet d'atteindre un zoom supérieur à 256x tout en conservant une qualité et une fidélité perceptuelles élevées. Les résultats de l'article sont les suivants :Chaîne de zoom : super-résolution extrême via l'autorégression d'échelle et l'alignement des préférences".

Les ressources informatiques utilisées dans ce tutoriel sont des RTX 4090 à double carte.

2. Affichage des effets

3. Étapes de l'opération

1. Démarrez le conteneur

2. Étapes d'utilisation

Si « Bad Gateway » s'affiche, cela signifie que le modèle est en cours d'initialisation. Étant donné que le modèle est grand, veuillez patienter environ 2 à 3 minutes et actualiser la page.

Paramètres spécifiques :

Image d'entrée : Image d'entrée.
Méthode d'alignement des couleurs :
- ondelette : aucune correction de couleur n'est effectuée.
- adain : Correction des couleurs avec normalisation d'instance adaptative.
- nofix : utilisez la transformée en ondelettes pour une correction des couleurs plus fine.

résultat

4. Discussion

🖌️ Si vous voyez un projet de haute qualité, veuillez laisser un message en arrière-plan pour le recommander ! De plus, nous avons également créé un groupe d’échange de tutoriels. Bienvenue aux amis pour scanner le code QR et commenter [Tutoriel SD] pour rejoindre le groupe pour discuter de divers problèmes techniques et partager les résultats de l'application↓

Informations sur la citation

Merci à l'utilisateur Github SuperYang Déploiement de ce tutoriel. Les informations de citation pour ce projet sont les suivantes :

@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}
}