Flux.1-dev-Controlnet-Upscaler : Amélioration de la résolution de l'image, optimisation de la qualité de l'image, amélioration des détails de l'image

Introduction générale

Flux.1-dev-Controlnet-Upscaler est un outil de super-résolution d'images développé par l'équipe de recherche Jasper AI pour améliorer la qualité des images à faible résolution. L'outil utilise la technologie ControlNet pour traiter les images à travers un schéma complexe de dégradation des données synthétiques qui supprime efficacement le bruit, le flou et la distorsion de compression pour produire des images de haute qualité.

Expérience en ligne : https://huggingface.co/spaces/jasperai/Flux.1-dev-Controlnet-Upscaler

Liste des fonctions

• Amélioration de la résolution de l'image : agrandissement d'images à faible résolution en haute résolution.
• Optimiser la qualité de l'image : supprimer le bruit et le flou des images pour en améliorer la clarté.
• Amélioration des détails d'une image : récupération des détails d'une image par le biais d'un schéma de dégradation des données synthétiques.
• Prise en charge de plusieurs formats d'image : compatible avec un grand nombre de formats d'image courants, facile à utiliser.
• Accès direct à la bibliothèque des diffuseurs : l'intégration transparente avec la bibliothèque des diffuseurs simplifie le processus.

Utiliser l'aide

Processus d'installation

1. Assurez-vous que l'environnement Python est installé.
2. Utilisez pip pour installer la bibliothèque Diffusers :

   pip install diffusers
   

3. Téléchargez et installez le modèle Flux.1-dev-Controlnet-Upscaler :

   import torch
   from diffusers.utils import load_image
   from diffusers import FluxControlNetModel
   from diffusers.pipelines import FluxControlNetPipeline
   # 加载模型
   controlnet = FluxControlNetModel.from_pretrained("jasperai/Flux.1-dev-Controlnet-Upscaler", torch_dtype=torch.bfloat16)
   pipe = FluxControlNetPipeline.from_pretrained("black-forest-labs/FLUX.1-dev", controlnet=controlnet, torch_dtype=torch.bfloat16)
   pipe.to("cuda")
   

Processus d'utilisation

1. Charger l'image de contrôle :

   control_image = load_image("https://huggingface.co/jasperai/Flux.1-dev-Controlnet-Upscaler/resolve/main/examples/input.jpg")
   w, h = control_image.size
   control_image = control_image.resize((w * 4, h * 4))
   

2. Effectuer le traitement de super-résolution des images :

   image = pipe(
   prompt="",
   control_image=control_image,
   controlnet_conditioning_scale=0.6,
   num_inference_steps=28,
   guidance_scale=3.5,
   height=control_image.size[1],
   width=control_image.size[0]
   ).images[0]
   

3. Enregistre l'image traitée :

   image.save("output.jpg")
   

Fonction détaillée du déroulement des opérations

• Amélioration de la résolution des images: Génère une image haute résolution en chargeant une image basse résolution et en la traitant avec Flux.1-dev-Controlnet-Upscaler.
• Optimiser la qualité de l'imageL'outil élimine automatiquement le bruit et le flou de l'image lors du traitement afin d'améliorer la clarté de l'image.
• Amélioration des détails de l'image: Récupération des détails d'une image pour la rendre plus réaliste à l'aide d'un schéma de dégradation des données synthétiques.
• Prise en charge de plusieurs formats d'imageL'outil est compatible avec un large éventail de formats d'image courants et permet aux utilisateurs de travailler facilement avec différents types d'images.
• Utiliser directement la bibliothèque des diffuseursLa bibliothèque des diffuseurs : Intégrée de manière transparente à la bibliothèque des diffuseurs, les utilisateurs peuvent appeler directement les fonctions pertinentes pour le traitement de l'image, ce qui simplifie le processus d'exploitation.

Avec les étapes ci-dessus, les utilisateurs peuvent facilement commencer à utiliser Flux.1-dev-Controlnet-Upscaler pour le traitement de super-résolution d'image afin d'améliorer la qualité et les détails de l'image.

Flux.1-dev-Controlnet-Upscaler Modèle et fichier de configuration Télécharger

Lien : https://pan.quark.cn/s/9fdd0ac4d4bf Code de l'extrait : M7ax