【stablediffusion】ComfyUI | 恐怖如斯的放大模型DifFBIR,超分辨率放大、人脸修复、图像去噪 | 效果炸裂 | 强烈推荐

今天,我们将向您介绍一款令人兴奋的更新——Stable Diffusion的ComfyUI放大模型DifFBIR。这是一款基于Stable Diffusion技术的AI绘画工具,旨在为您提供一键式图像放大的便捷体验。无论您是AI绘画的新手还是专业人士,这个工具都能为您带来极大的便利。

DifFBIR模型引入了超分辨率放大技术,能够实现更高质量的图像放大效果。通过这个工具,您可以轻松地放大图像,同时保持图像的清晰度和细节。此外,DifFBIR模型还具备人脸修复和图像去噪功能,能够自动识别并修复图像中的人脸,去除图像中的噪点,让您的作品更加完美。
在这里插入图片描述

在这个教程中,我们将详细介绍DifFBIR模型的使用方法和高级功能。通过这个工具,您可以轻松地实现超分辨率放大、人脸修复、图像去噪等功能,无需手动操作,大大提高了您的创作效率。同时,我们还将提供全网最详细的Stable Diffusion ComfyUI DifFBIR模型使用方法和参数设置诀窍,让您能够更好地掌握这个工具。

所以,如果您对Stable Diffusion和ComfyUI DifFBIR模型充满好奇,或者想要尝试一下这个有趣的功能,那就赶紧试试吧!它将会给您带来无尽的惊喜和乐趣!

由中国科学院深圳先进技术研究院、上海人工智能实验室、香港中文大学 联合开发的DiffBIR,利用生成扩散先验实现盲图像恢复,它的核心作用就是能够解决图片模糊和老图片细节丢失的问题。插件主要支持三种功能:• 低分辨率图片变清晰 • 模糊人像修复 • 图像噪点修复

DiffBIR 将盲图像恢复问题解耦为两个阶段:1)降级去除:去除与图像无关的内容;2)信息再生:生成丢失的图像内容。每个阶段都是独立开发的,但它们以级联方式无缝工作。在第一阶段,我们使用恢复模块来消除退化并获得高保真恢复结果。第二阶段, 使用了 IRControlNet,它利用潜在扩散模型的生成能力来生成真实的细节。IRControlNet 基于专门生成的条件图像进行训练,不会分散噪声内容,以实现稳定的生成性能。

架构图:DiffBIR 的两级管道。1) 用于降解去除的恢复模块(RM);2) 用于真实图像重建的生成模块 (GM),具有可选的区域自适应恢复指导,以在质量和保真度之间进行权衡。

示例图:

image.png

其主要有三个功能:

Blind Image Super-Resolution 盲图像超分辨率:简称:BSR

| | | |
|
| — | — | — | — |
|
|
|
|
|

Blind Face Restoration 盲人面部修复:简称:BFR

| | |
|
| — | — | — |
|
|
|
|

Blind Image Denoising 图像盲去噪:简称:BID

| | | |
|
| — | — | — | — |
|
|
|
|
|

最高支持:8 倍盲超分辨率和基于补丁的采样

Github: https://github.com/XPixelGroup/DiffBIR

论文:https://arxiv.org/html/2308.15070?_immersive_translate_auto_translate=1

项目地址:https://0x3f3f3f3fun.github.io/projects/diffbir/

ComfyUI-DiffBIR: https://github.com/jtscmw01/ComfyUI-DiffBIR

ComfyUI DifFBIR的安装

「安装插件:」

还未收录到Manager中,需要通过Git地址来安装:1. cd comfyui/custom_nodes 2. git clone https://github.com/ComfyUI/ComfyUI-DiffBIR 3. pip install -r requirements.txt 4. Restart ComfyUI

「下载所需模型」:放到:ComfyUI/models/diffbir/

「国内下载地址」

| 模型 | 文件名及下载地址
|
| — | — |
| bsrnet | BSRNet.pth
https://github.com/cszn/KAIR/releases/download/v1.0/BSRNet.pth |
| swinir_face | face_swinir_v1.ckpt
https://hf-mirror.com/lxq007/DiffBIR/resolve/main/face_swinir_v1.ckpt |
| scunet_psnr | scunet_color_real_psnr.pth
https://github.com/cszn/KAIR/releases/download/v1.0/scunet_color_real_psnr.pth |
| swinir_general | general_swinir_v1.ckpt
https://hf-mirror.com/lxq007/DiffBIR/resolve/main/general_swinir_v1.ckpt |
| v2 | v2.pth
https://hf-mirror.com/lxq007/DiffBIR-v2/resolve/main/v2.pth |
| sd_v21 | v2-1_512-ema-pruned.ckpt
https://hf-mirror.com/stabilityai/stable-diffusion-2-1-base/resolve/main/v2-1_512-ema-pruned.ckpt |

目录结构如下:

image.png

ComfyUI DifFBIR 工作流实战

BSR: Blind Image Super-Resolution 超分辨率放大

image.png

原图DiffBIR
原图DIFFBIR

「效果超级炸裂」

BFR: Blind Face Restoration 面部修复

image.png

原图DiffBIR

BID: Blind Image Denoising 图像去噪

image.png

原图DiffBIR

感兴趣的小伙伴,赠送全套AIGC学习资料,包含AI绘画、AI人工智能等前沿科技教程和软件工具,具体看这里。

在这里插入图片描述

AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。
在这里插入图片描述

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

在这里插入图片描述
在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。

在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
在这里插入图片描述

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/13338.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

PCB设计基础

系列文章目录 文章目录 系列文章目录前言一、PCB设计术语与定义二、焊盘堆和过孔的构成及分类总结 前言 介绍PCB的基础内容。 一、PCB设计术语与定义 PCB全称为Printed Circuit Board,印刷电路板。它是电子元器件的支撑体,是重要的电子部件以及电气连接…

Node.js下载安装及环境配置教程

一、进入官网地址下载安装包 Node.js 中文网 选择对应你系统的Node.js版本,这里我选择的是Windows系统、64位 二、安装程序 (1)下载完成后,双击安装包,开始安装Node.js (2)直接点【Next】按钮,此处可根据…

深度学习知识点3-CBAM轻量的注意力模块

论文:(2018)包含空间注意力和通道注意力两部分1807.06521https://arxiv.org/pdf/1807.06521 通道注意力:对input feature maps每个feature map做全局平均池化和全局最大池化,得到两个1d向量,再经过conv&…

《云原生安全攻防》-- K8s安全防护思路

从本节课程开始,我们将正式进入防护篇。通过深入理解K8s提供的多种安全机制,从防守者的角度,运用K8s的安全最佳实践来保障K8s集群的安全。 在这个课程中,我们将学习以下内容: K8s安全防护思路:掌握K8s自身提…

MySQL技巧之跨服务器数据查询:基础篇-A数据库与B数据库查询合并

MySQL技巧之跨服务器数据查询:基础篇-A数据库与B数据库查询合并 上一篇已经描述:借用微软的SQL Server ODBC 即可实现MySQL跨服务器间的数据查询。 而且还介绍了如何获得一个在MS SQL Server 可以连接指定实例的MySQL数据库的链接名: MY_ODBC_MYSQL 以…

基于物联网的智能超市快速结算系统

摘 要 当今社会的商品层出不穷,人们因为越来越多大型仓储超市的出现使得生活更加便利,但许多随之而来的新问题也给人们带来了许多的不便,例如商家一直被更换标签不及时、货物丢失、超市内物品更换处理不及时、超市内人流高峰期人流控制不得…

JavaScript面向对象笔记(4)

一、正则表达式 1.正则表达式概述 Regular Expression:是用于匹配字符串组合的模式,再javaScript中,正则表达式也是对象。 正则表达式通常被用来检索、替换某个模式(规则)的文本。例如:表单校验&#xf…

20241112-Pycharm使用托管的Anaconda的Jupyter Notebook

Pycharm使用托管的Anaconda的Jupyter Notebook 要求 不要每次使用 Pycharm 运行 Jupyter 文件时都要手动打开 Anaconda 的 Jupyter Notebook 正文 pycharm中配置好会自动安装的,有的要自己配置 Pycharm中配置 文件 ——> 设置 ——> 语言和框架……&am…

vscode - 设置 Python 版本

在使用 vscode 编码 Python 时,选择合适的 Python 版本。 解决方法 使用快捷键 CtrlShiftP 打开命令窗口: 选择 “Python: Select Interpreter”,弹窗显示现有的 Python 版本: 回车选择需要的Python 版本即可。

【量化交易笔记】14.模拟盘效果

说明 距离上一篇的量化文章有一段时间,应小伙伴要求,继续写下去,我思考了一下,内容有很多,绝大多数是研究的过程,并且走的是弯路,分享了怕影响大伙,之前因为行情不好,研…

git rebase --continue解冲突操作

git rebase --continue解冲突操作 如果只是执行了 git rebase 命令,那么git会输出一下“错误”提示: There is no tracking information for the current branch. Please specify which branch you want to rebase against. See git-rebase(1) for detai…

nodejs express 框架使用

1. 准备环境 Nodejs 版本 v18.12.1, yarn 版本 1.22.21 2. 初始化项目 创建项目目录 express_demo01,进入目录,执行命令 npm init -y 生成 package.json 文件 圈起来的那一行修改为上图所示。使用 npm run dev 即可启动项目。 安装express 和 body-p…

Axure网络短剧APP端原型图,竖屏微剧视频模版40页

作品概况 页面数量:共 40 页 使用软件:Axure RP 9 及以上,非软件无源码 适用领域:短剧、微短剧、竖屏视频 作品特色 本作品为网络短剧APP的Axure原型设计图,定位属于免费短剧软件,类似红果短剧、河马剧场…

普通用户切换到 root 用户不需要输入密码配置(Ubuntu20)

在 Ubuntu 系统中,允许一个普通用户切换到 root 用户而不需要输入密码,可以通过以下步骤配置 sudo 设置来实现。 步骤: 打开 sudoers 文件进行编辑: 在终端中,输入以下命令来编辑 sudoers 文件: sudo visu…

程序设计方法与实践-变治法

变换之美 变治法就是基于变换的思路,进而使原问题的求解变得简单的一种技术。 变治法一般有三种类型: 实例化简:将问题变换为同问题,但换成更为简单、更易求解的实例。改变表现:变化为同实例的不同形式,…

11.12机器学习_特征工程

四 特征工程 1 特征工程概念 特征工程:就是对特征进行相关的处理 一般使用pandas来进行数据清洗和数据处理、使用sklearn来进行特征工程 特征工程是将任意数据(如文本或图像)转换为可用于机器学习的数字特征,比如:字典特征提取(特征离散化)、文本特征提取、图像特征提取。 …

【蓝桥等考C++真题】蓝桥杯等级考试C++组第13级L13真题原题(含答案)-成绩排序ABCDE

CL13 成绩排序(50 分) 分别给出代号为 A、B、C、D、E 的五名同学的跳远成绩:请按照成绩从高到低,将五名同学的代号输出。输入: 输入五个不相同的正整数(不超过 100): 表示五名同学的成绩,相邻…

Spring整合Redis

前言 在Spring项目中整合Redis,能显著提升数据缓存、分布式锁、会话管理等操作的效率。Jedis作为轻量级的Java Redis客户端,搭配Spring Data Redis模块,能够简化Redis的连接和数据操作,实现更高性能的读写与灵活的缓存管理。本文…

低空载功耗,高能源利用率 BDA5-20W BOSHIDA DCDC

低空载功耗,高能源利用率 BDA5-20W BOSHIDA DCDC BDA5-20W系列产品具有以下特点:宽输入电压范围(4:1),可以适应多种输入电压条件;高效率,能够达到88%以上,节能环保;空载功…

Lucene 和 Elasticsearch 中更好的二进制量化 (BBQ)

作者:来自 Elastic Benjamin Trent Lucene 和 Elasticsearch 中更好的二进制量化 (BBQ)。 嵌入模型输出 float32 向量,通常对于高效处理和实际应用来说太大。Elasticsearch 支持 int8 标量量化,以减小向量大小,同时保持性能。其他…