1. 튜토리얼 소개

SUPIR(Scaling-UP Image Restoration)은 획기적인 이미지 복원 및 품질 향상 방법입니다. 구축된 모델은 대규모 생성 모델 StableDiffusion-XL(SDXL)과 모델 확장 기술을 활용하고, 딥러닝과 멀티모달 방식을 통해 저품질 영상의 고품질 복원을 달성합니다. 이미지의 세부 사항과 사실성을 유지하면서 저해상도 이미지를 고해상도로 업그레이드할 수 있습니다. SUPIR은 흐림, 노이즈, 압축 등 다양하고 복잡한 저하 상황을 처리하여 고품질 이미지 복원을 달성하고, 이미지 세부 사항과 사실성을 유지하면서 저해상도 이미지를 고해상도로 업스케일링합니다.

이 방법은 텍스트 프롬프트를 통해 이미지 복원을 세부적으로 제어할 수 있도록 지원하며, 사용자 입력에 따라 복원의 다양한 측면을 조정할 수 있습니다. SUPIR는 중국과학원 선전선진기술연구소, 상하이 A1연구소, 시드니대학교, 홍콩이공대학교, 텐센트, ARC연구소, 홍콩중국대학의 연구진이 공동으로 출시했습니다.

이 튜토리얼에서는 듀얼 SIM A6000의 리소스를 사용합니다.

👉 이 프로젝트는 두 가지 유형의 모델을 제공합니다.

• SUPIR-v0Q: 기본 훈련 설정. 대부분의 경우 일반화 능력이 높고 이미지 품질이 높습니다.
• SUPIR-v0F: 조명 품질 설정을 낮춰서 훈련했습니다. 1단계 인코더 SUPIR-v0F는 조명 품질이 낮아져도 더 많은 세부 정보를 보존합니다.

프로젝트 예시

2. 작업 단계

1. 컨테이너 시작 후 API 주소를 클릭하여 웹 인터페이스로 진입합니다.

"모델"이 표시되지 않으면 모델이 초기화되고 있음을 의미합니다. 모델이 크기 때문에 1~2분 정도 기다리신 후 페이지를 새로고침해 주세요.

2. 웹페이지에 접속 후 모델과 대화를 시작할 수 있습니다.

사용 방법

교류 및 토론

🖌️ 고품질 프로젝트를 발견하시면, 백그라운드에 메시지를 남겨 추천해주세요! 또한, 튜토리얼 교환 그룹도 만들었습니다. 친구들의 QR코드 스캔과 [SD 튜토리얼] 댓글을 통해 그룹에 가입하여 다양한 기술 이슈에 대해 논의하고 신청 결과를 공유해 주시기 바랍니다.↓

인용 정보

@misc{yu2024scaling, title={탁월성을 향한 확장: 실제 환경에서 사진처럼 사실적인 이미지 복원을 위한 모델 스케일링 연습}, author={Fanghua Yu, Jinjin Gu, Zheyuan Li, Jinfan Hu, Xiangtao Kong, Xintao Wang, Jingwen He, Yu Qiao, Chao Dong}, year={2024}, eprint={2401.13627}, archivePrefix={arXiv}, primaryClass={cs.CV} }