InstantIR: Open-Source-Projekt zur Reparatur von beschädigten Bildern und hochauflösendem Bildzoom, mindestens 16G Videospeicher

Allgemeine Einführung

InstantIR ist ein innovatives Einzelbild-Restaurationsmodell, das vom InstantX-Team entwickelt wurde, um Ihre beschädigten Bilder mit extrem hoher Qualität und naturgetreuen Details wiederherzustellen. Das Tool stellt nicht nur Bilddetails wieder her, sondern verbessert auch die Genauigkeit des wiederhergestellten Bildes durch zusätzliche Texteinblendungen. InstantIR verwendet SDXL- und DINOv2-Modelle und bietet eine flexible Pipeline von Konfigurationen, die vom Benutzer an seine spezifischen Bedürfnisse angepasst werden können.

Online-Erfahrung: https://huggingface.co/InstantX/InstantIR

InstantIR-Konfiguration

Funktionsliste

• Bild-RestaurierungHochwertige Restaurierung beschädigter oder minderwertiger Bilder.
• Modelle generierenImage detail recovery using generative modeling techniques.
• Text-Tipp-EditorBenutzerdefinierte Bearbeitung von Bildern mit Hilfe von Texteingabeaufforderungen.
• Flexible KonfigurationUnterstützt eine Vielzahl von Parametereinstellungen, um unterschiedlichen Bildverarbeitungsanforderungen gerecht zu werden.
• lokaler EinsatzGradio-Skripte werden zur Verfügung gestellt, um den lokalen Einsatz und Demos zu unterstützen.
• Kompatibilität: Kompatibel mit Diffusoren und unterstützt viele leistungsstarke Funktionen.

Hilfe verwenden

Ablauf der Installation

1. Klonen des Repositorys und Einrichten der Umgebung::

   git clone https://github.com/instantX-research/InstantIR.git
   cd InstantIR
   conda create -n instantir python=3.9 -y
   conda instantir aktivieren
   pip install -r anforderungen.txt
   

2. Download des vortrainierten ModellsInstantIR basiert auf den Modellen SDXL und DINOv2, die von HuggingFace heruntergeladen werden können:

   from huggingface_hub import hf_hub_download
   hf_hub_download(repo_id="stabilityai/stable-diffusion-xl-base-1.0")
   hf_hub_download(repo_id="facebook/dinov2-large")
   hf_hub_download(repo_id="InstantX/InstantIR")
   

3. logische Schlussfolgerungen: Verwendung infer.sh Skripte für die Argumentation:

   . /infer.sh --sdxl_pfad  --vision_encoder_pfad  --instantir_pfad  --test_pfad  --out_path 
   

Tipps & Tricks

• übermäßige Glättung: Wille --cfg Der Parameter wird zwischen 3,0 und 5,0 eingestellt.
• geringe Wiedergabetreue: Einstellungen --preview_start beträgt 0,1 bis 0,4, um die Eingabetreue zu erhalten.
• lokale Verzerrung: Wille --kreativ_start Setzen Sie diesen Wert auf 0,6 bis 0,8, um in der Nachbearbeitung Details mit hohen Frequenzen zu erzeugen.
• Beschleunigte Argumentation: Verbesserung --preview_start und niedriger --kreativ_start Dadurch können die Rechenkosten gesenkt und die Argumentation beschleunigt werden.

Verwendung von Diffusoren

InstantIR ist vollständig kompatibel mit Diffusoren und kann direkt geladen und verwendet werden:

Brenner importieren
von PIL importieren Bild
from diffusers import DDPMScheduler
from schedulers.lcm_single_step_scheduler import LCMSingleStepScheduler
from module.ip_adapter.utils import load_adapter_to_pipe
von pipelines.sdxl_instantir importieren InstantIRPipeline
# Laden Sie das vortrainierte Modell
pipe = InstantIRPipeline.from_pretrained('stabilityai/stable-diffusion-xl-base-1.0', torch_dtype=torch.float16)
load_adapter_to_pipe(pipe, 'facebook/dinov2-large')
pipe.prepare_previewers('path_to_InstantIR')
pipe.scheduler = DDPMScheduler.from_pretrained('stabilityai/stable-diffusion-xl-base-1.0', subfolder="scheduler")
lcm_scheduler = LCMSingleStepScheduler.from_config(pipe.scheduler.config)
# Laden Sie das beschädigte Bild und reparieren Sie es
low_quality_image = Image.open('path_to_image').convert("RGB")
image = pipe(image=low_quality_image, previewer_scheduler=lcm_scheduler).images[0]

Lokale Bereitstellung Gradio Demo

Für die lokale Bereitstellung der Gradio-Demo wird ein Python-Skript bereitgestellt:

INSTANTIR_PATH= python gradio_demo/app.py

Besuchen Sie dann in Ihrem Browser http://localhost:7860 Führen Sie eine Demonstration durch.

InstantIR Ein-Klick-Installer

Reparatur 1024 Auflösung Bilder, Speicher mindestens 24gb Videospeicher mindestens 16gb, niedrige Grafikkarte nicht versuchen. Nach der Erzeugung mehrerer Bilder zur gleichen Zeit, ist die Speicherwiederherstellung abnormal.

Dieser Inhalt wurde vom Autor versteckt. Bitte geben Sie den Verifizierungscode ein, um den Inhalt zu sehen.

Captcha:

Bitte beachten Sie diese Website WeChat öffentliche Nummer, Antwort "CAPTCHA, eine Art Challenge-Response-Test (Computer)", erhalten Sie den Verifizierungscode. Suchen Sie in WeChat nach "Chef-KI-Austauschkreis"oder"Looks-AI" oder WeChat, indem Sie die rechte Seite des QR-Codes scannen, können Sie die öffentliche WeChat-Nummer dieser Website aufrufen.

Der Leitfaden für Laien zum Einstieg in die KI

Hilft Ihnen, die Nutzung von KI-Tools kostengünstig und von Null an zu erlernen.KI ist, wie Bürosoftware, eine wesentliche Fähigkeit für jeden. Die Beherrschung von KI verschafft Ihnen einen Vorteil bei der Stellensuche und die Hälfte des Aufwands bei Ihrer zukünftigen Arbeit und Ihrem Studium.

Details ansehen>