SUPIRのダウンロード - SUPIRソースコードのダウンロード

SUPIR

パイソン

1.0.0

ダウンロード

（CVPR2024）卓越性へのスケーリング：野生の写真と現実的な画像修復のためのモデルスケーリングの実践

[紙] [プロジェクトページ] [オンラインアプリ]
Fanghua、Yu、Jinjin Gu、Zheyuan Li、Jinfan Hu、Xiangtao Kong、Xintao Wang、Jingwen He、Yu Qiao、Chao Dong
深Shenzhen Institute of Advanced Technology;上海AI研究所;シドニー大学;香港工科大学。アークラボ、Tencent PCG;香港の中国大学

Suppixel AIの公式発売を発表できることを嬉しく思います！ Supirに基づいた最先端のAIテクノロジーで、次のレベルの画像処理とアップスケーリングを体験してください。 Suppixel.aiで今すぐ探索してください。

？依存関係とインストール

クローンリポジトリ

git clone https://github.com/Fanghua-Yu/SUPIR.git
cd SUPIR

従属パッケージをインストールします

conda create -n SUPIR python=3.8 -y
conda activate SUPIR
pip install --upgrade pip
pip install -r requirements.txt

チェックポイントをダウンロードします

Huggingfaceに接続できるユーザーについては、 LLAVA_CLIP_PATH, SDXL_CLIP1_PATH, SDXL_CLIP2_CKPT_PTH in CKPT_PTH.py as None設定してください。これらのクリップは自動的にダウンロードされます。

従属モデル

SDXLクリップエンコーダー-1
SDXLクリップエンコーダー-2
SDXLベース1.0_0.9vae
llavaクリップ
Llava v1.5 13b
（オプション）juggernaut-xl_v9_rundiffusionphoto_v2
- 写真現実的な写真のSDXL base 1.0_0.9vaeの交換
（オプション）juggernaut_rundiffusionphoto2_lightning_4steps
- SUPIR_v0_Juggernautv9_lightning.yamlで使用される蒸留モデル

私たちが提供したモデル：

SUPIR-v0Q ：Baidu Netdisk、Googleドライブ
紙を使用したデフォルトのトレーニング設定。ほとんどの場合、高い一般化と高い画質。
SUPIR-v0F ：Baidu Netdisk、Googleドライブ
光の劣化設定によるトレーニング。 SUPIR-v0FのStage1エンコーダーは、光の劣化に直面している場合、さらに詳細を維持しています。

チェックポイントのカスタムパスを編集します

 * [CKPT_PTH.py] --> LLAVA_CLIP_PATH, LLAVA_MODEL_PATH, SDXL_CLIP1_PATH, SDXL_CLIP2_CACHE_DIR 
* [options/SUPIR_v0.yaml] --> SDXL_CKPT, SUPIR_CKPT_Q, SUPIR_CKPT_F

⚡クイック推論

VALデータセット

Realphoto60：Baidu Netdisk、Googleドライブ

Supirの使用

Usage: 
-- python test.py [options] 
-- python gradio_demo.py [interactive options]

--img_dir                Input folder.
--save_dir               Output folder.
--upscale                Upsampling ratio of given inputs. Default: 1
--SUPIR_sign             Model selection. Default: ' Q ' ; Options: [ ' F ' , ' Q ' ]
--seed                   Random seed. Default: 1234
--min_size               Minimum resolution of output images. Default: 1024
--edm_steps              Numb of steps for EDM Sampling Scheduler. Default: 50
--s_stage1               Control Strength of Stage1. Default: -1 (negative means invalid)
--s_churn                Original hy-param of EDM. Default: 5
--s_noise                Original hy-param of EDM. Default: 1.003
--s_cfg                  Classifier-free guidance scale for prompts. Default: 7.5
--s_stage2               Control Strength of Stage2. Default: 1.0
--num_samples            Number of samples for each input. Default: 1
--a_prompt               Additive positive prompt for all inputs. 
    Default: ' Cinematic, High Contrast, highly detailed, taken using a Canon EOS R camera, 
    hyper detailed photo - realistic maximum detail, 32k, Color Grading, ultra HD, extreme
     meticulous detailing, skin pore detailing, hyper sharpness, perfect without deformations. '
--n_prompt               Fixed negative prompt for all inputs. 
    Default: ' painting, oil painting, illustration, drawing, art, sketch, oil painting, 
    cartoon, CG Style, 3D render, unreal engine, blurring, dirty, messy, worst quality, 
    low quality, frames, watermark, signature, jpeg artifacts, deformed, lowres, over-smooth '
--color_fix_type         Color Fixing Type. Default: ' Wavelet ' ; Options: [ ' None ' , ' AdaIn ' , ' Wavelet ' ]
--linear_CFG             Linearly (with sigma) increase CFG from ' spt_linear_CFG ' to s_cfg. Default: False
--linear_s_stage2        Linearly (with sigma) increase s_stage2 from ' spt_linear_s_stage2 ' to s_stage2. Default: False
--spt_linear_CFG         Start point of linearly increasing CFG. Default: 1.0
--spt_linear_s_stage2    Start point of linearly increasing s_stage2. Default: 0.0
--ae_dtype               Inference data type of AutoEncoder. Default: ' bf16 ' ; Options: [ ' fp32 ' , ' bf16 ' ]
--diff_dtype             Inference data type of Diffusion. Default: ' fp16 ' ; Options: [ ' fp32 ' , ' fp16 ' , ' bf16 ' ]

Pythonスクリプト

 # Seek for best quality for most cases
CUDA_VISIBLE_DEVICES=0,1 python test.py --img_dir ' /opt/data/private/LV_Dataset/DiffGLV-Test-All/RealPhoto60/LQ ' --save_dir ./results-Q --SUPIR_sign Q --upscale 2
# for light degradation and high fidelity
CUDA_VISIBLE_DEVICES=0,1 python test.py --img_dir ' /opt/data/private/LV_Dataset/DiffGLV-Test-All/RealPhoto60/LQ ' --save_dir ./results-F --SUPIR_sign F --upscale 2 --s_cfg 4.0 --linear_CFG

グラデーションデモ

CUDA_VISIBLE_DEVICES=0,1 python gradio_demo.py --ip 0.0.0.0 --port 6688 --use_image_slider --log_history

# Juggernaut_RunDiffusionPhoto2_Lightning_4Steps and DPM++ M2 SDE Karras for fast sampling
CUDA_VISIBLE_DEVICES=0,1 python gradio_demo.py --ip 0.0.0.0 --port 6688 --use_image_slider --log_history --opt options/SUPIR_v0_Juggernautv9_lightning.yaml

# less VRAM & slower (12G for Diffusion, 16G for LLaVA)
CUDA_VISIBLE_DEVICES=0,1 python gradio_demo.py --ip 0.0.0.0 --port 6688 --use_image_slider --log_history --loading_half_params --use_tile_vae --load_8bit_llava

オンラインアプリ

高品質の画像処理とアップスケーリングに役立つように設計された使いやすいツールであるSuppixel AIを起動しました。スピルに基づいています。写真、デジタルアート、またはイメージエンハンスメントで遊んでいるだけでも、私たちはあなたがそれをチェックしてほしいと思っています。〜

bibtex

 @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}
}