【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.mzph.cn/bicheng/60381.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

向量数据库PGVECTOR安装

文章目录 前提向量数据库介绍PGVECTOR安装1、pgvector下载2、编译安装3、创建vector扩展 前提 已经安装好了pg14版本。 其他版本也可以。 pg安装教程:https://blog.csdn.net/yushaoyyds/article/details/138855306?spm1001.2014.3001.5502 向量数据库介绍 向量数…

【系统架构设计师】真题论文: 论基于 REST 服务的 Web 应用系统设计(包括解题思路和素材)

更多内容请见: 备考系统架构设计师-专栏介绍和目录 文章目录 真题题目(2009年 试题3)解题思路论文素材参考REST 基本概念REST 关键原则基于 REST 服务的 Web 应用系统设计优势基于 REST 服务的 Web 应用系统设计流程真题题目(2009年 试题3) REST(REpresentational State …

Elasticsearch集群和Kibana部署流程

搭建Elasticsearch集群 1. 进入Elasticsearch官网下载页面,下载Elasticsearch 在如下页面选择Elasticsearch版本,点击download按钮,进入下载页面 右键选择自己操作系统对应的版本,复制下载链接 然后通过wget命令下载Elastics…

Vue3 之 provide 和 inject:组件间通信的神奇利器

provide和inject 1.概述 在 Vue 3 中,provide和inject是用于组件之间进行深层次数据传递的一对组合。它们可以跨越多个组件层级来共享数据,而不需要通过层层传递props的方式。 2.provide 的使用 基本语法:在组件的setup函数或者Compositi…

CatBoost中的预测偏移和排序提升

在 CatBoost 中,预测偏移(Prediction Shift) 和 排序提升(Ordered Boosting) 是其关键概念和创新点。CatBoost 通过引入 排序提升 解决了梯度提升决策树(GBDT)算法中常见的 预测偏移问题&#x…

阿里云aliyun gradle安装包下载地址

阿里云 查找你要下载的安装包 macports-distfiles-gradle安装包下载_开源镜像站-阿里云 https://mirrors.aliyun.com/macports/distfiles/gradle/gradle-8.9-bin.zip 腾讯 https://mirrors.cloud.tencent.com/gradle/ https://mirrors.cloud.tencent.com/gradle/ https…

《揭秘观察者模式:作用与使用场景全解析》

在软件开发的世界中,设计模式就像是建筑师手中的蓝图,指导着软件系统的构建。其中,观察者模式是一种极为重要且广泛应用的设计模式。今天,我们就来深入探讨一下观察者模式的作用和使用场景。 一、观察者模式是什么? …

SpringBoot(九)使用Jsoup解析html字符串

目前在做博客相关的功能,在显示文章详情的时候,我看到那些大的博客社区,文章中的图片都是可以点击放大的,我感觉这个功能非常好,我也想做,在PHP版本的博客中已经实现了。 实现原理其实很简单,使用PHP的simple_html_dom库解析HTML字符串,找到其中的img标签,在img标签上…

Spring——容器:IoC

容器:IoC IoC 是 Inversion of Control 的简写,译为“控制反转”,它不是一门技术,而是一种设计思想,是一个重要的面向对象编程法则,能够指导我们如何设计出松耦合、更优良的程序。 Spring 通过 IoC 容器来…

uniapp—android原生插件开发(4uniapp引用aar插件)

本篇文章从实战角度出发,将UniApp集成新大陆PDA设备RFID的全过程分为四部曲,涵盖环境搭建、插件开发、AAR打包、项目引入和功能调试。通过这份教程,轻松应对安卓原生插件开发与打包需求! 一、将android程序打包成aar插件包 直接使…

RedisTemplate序列化设置

前言 在使用 Redis 作为缓存数据库时,我们通常会使用 RedisTemplate 来简化与 Redis 进行交互的操作。而其中一个重要的配置项就是序列化设置,它决定了数据在存储到 Redis 中时的格式。本文将介绍如何进行 RedisTemplate 的序列化设置,以及一…

如何优化Elasticsearch的查询性能?

优化Elasticsearch查询性能可以从以下几个方面进行: 合理设计索引和分片: 确保设置合理的分片和副本数,考虑数据量、节点数和集群大小。根据数据量和节点数量调整分片数量,避免使用过多分片,因为每个分片都需要额外的…

使用R语言survminer获取生存分析高风险和低风险的最佳截断值cut-off

使用R语言进行Cox比例风险模型分析和最佳截断值寻找 引言 在生存分析中,Cox比例风险模型是一种常用的统计方法,用于评估多个变量对生存时间的影响。在临床研究中,我们经常需要根据某些连续变量的预测值来对患者进行分组,以便更好…

ORU——ORAN 无线电单元参考架构

ORU ORU-开放无线电单元ORU 类型O-RU“A类”O-RU“B类” 参考相关文章 ORU-开放无线电单元 ORU(开放无线电单元)的目的是将天线发送和接收的无线电信号转换为数字信号,该数字信号可通过前传传输到分布式单元(DU)。考虑…

FFMPEG录屏(22)--- Linux 下基于X11枚举所有显示屏,并获取大小和截图等信息

众人拾柴火焰高,github给个star行不行? open-traa/traa traa is a versatile project aimed at recording anything, anywhere. The primary focus is to provide robust solutions for various recording scenarios, making it a highly adaptable tool…

卷积核里面的数字表示什么意思?

卷积核里面的数字表示的是一种权重,这些权重在与输入数据进行卷积操作时起着至关重要的作用。简单来说,卷积核是一个小型矩阵,它里面的每个数字都对应着输入数据中某个位置的数值在特征提取过程中的一个系数。 当卷积核在输入数据上滑动时&am…

多线程和线程同步复习

多线程和线程同步复习 进程线程区别创建线程线程退出线程回收全局写法传参写法 线程分离线程同步同步方式 互斥锁互斥锁进行线程同步 死锁读写锁api细说读写锁进行线程同步 条件变量生产者消费者案例问题解答加强版生产者消费者 总结信号量信号量实现生产者消费者同步-->一个…

FlinkPipelineComposer 详解

FlinkPipelineComposer 详解 原文 背景 在flink-cdc 3.0中引入了pipeline机制,提供了除Datastream api/flink sql以外的一种方式定义flink 任务 通过提供一个yaml文件,描述source sink transform等主要信息 由FlinkPipelineComposer解析&#xff0c…

Zustand浅学习

道阻且长,行而不辍,未来可期 之前只是会使用zustand,也没仔细看过zustand的文档,前段时间一个合约朋友问我前端的zustand怎么用,啊,这,是那个笑起来明媚的不像话的帅哥问我问题诶,那我得认真一下…

海量数据迁移:Elasticsearch到OpenSearch的无缝迁移策略与实践

文章目录 一.迁移背景二.迁移分析三.方案制定3.1 使用工具迁移3.2 脚本迁移 四.方案建议 一.迁移背景 目前有两个es集群,版本为5.2.2和7.16.0,总数据量为700T。迁移过程需要不停服务迁移&#…