Flux.1-dev-Controlnet-Upscaler: aprimoramento da resolução da imagem, otimização da qualidade da imagem, aprimoramento dos detalhes da imagem

Introdução geral

Fluxo.1-dev-Controlnet-Upscaler é uma ferramenta de super-resolução de imagens desenvolvida pela equipe de pesquisa Jasper AI para melhorar a qualidade das imagens de baixa resolução. A ferramenta usa a tecnologia ControlNet para processar imagens por meio de um complexo esquema de degradação de dados sintéticos que remove com eficácia o ruído, o desfoque e a distorção de compressão para produzir imagens de alta qualidade.

Experiência on-line: https://huggingface.co/spaces/jasperai/Flux.1-dev-Controlnet-Upscaler

Lista de funções

• Aprimoramento da resolução da imagem: ampliação de imagens de baixa resolução para alta resolução.
• Otimize a qualidade da imagem: remova o ruído e o desfoque das imagens para melhorar a clareza da imagem.
• Aprimoramento dos detalhes da imagem: recuperação de detalhes em uma imagem por meio de um esquema de degradação de dados sintéticos.
• Suporte a vários formatos de imagem: compatível com uma variedade de formatos de imagem comuns, fácil de usar.
• Acesso direto à biblioteca Diffusers: a integração perfeita com a biblioteca Diffusers simplifica o processo.

Usando a Ajuda

Processo de instalação

1. Certifique-se de que o ambiente Python esteja instalado.
2. Use o pip para instalar a biblioteca Diffusers:

   pip install diffusers
   

3. Faça o download e instale o modelo Flux.1-dev-Controlnet-Upscaler:

   importar torch
   from diffusers.utils import load_image
   from diffusers import FluxControlNetModel
   from diffusers.pipelines import FluxControlNetPipeline
   Modelo de carga #
   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")
   

Processo de uso

1. Carregue a imagem de controle:

   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. Realizar o processamento de super-resolução de imagens:

   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=tamanho_da_imagem_de_controle[0]
   ).images[0]
   

3. Salva a imagem processada:

   image.save("output.jpg")
   

Fluxo de operação detalhado da função

• Resolução de imagem aprimoradaGera uma imagem de alta resolução carregando uma imagem de baixa resolução e processando-a com o Flux.1-dev-Controlnet-Upscaler.
• Otimizar a qualidade da imagemDurante o processamento, a ferramenta remove automaticamente o ruído e o desfoque da imagem para aumentar a clareza da imagem.
• Detalhes de imagem aprimoradosRecuperação de detalhes em uma imagem para torná-la mais realista usando um esquema de degradação de dados sintéticos.
• Suporte a vários formatos de imagemFerramenta de imagem: A ferramenta é compatível com uma ampla gama de formatos de imagem comuns e permite que os usuários trabalhem facilmente com diferentes tipos de imagens.
• Use a biblioteca Diffusers diretamenteIntegração perfeita com a biblioteca Diffusers: os usuários podem chamar diretamente as funções relevantes para o processamento de imagens, simplificando o processo de operação.

Com as etapas acima, os usuários podem começar a usar facilmente o Flux.1-dev-Controlnet-Upscaler para o processamento de super-resolução de imagens para aprimorar a qualidade e os detalhes da imagem.

Download do arquivo de configuração e modelo do Flux.1-dev-Controlnet-Upscaler

Este conteúdo foi ocultado pelo autor. Digite o código de verificação para visualizar o conteúdo

Captcha:

Preste atenção ao número público do WeChat deste site, responda "CAPTCHA, um tipo de teste de desafio-resposta (computação)", obtenha o código de verificação. Pesquise no WeChat por "Chefe do Círculo de Compartilhamento de IA"ou"Aparência-AI"ou WeChat escaneando o lado direito do código QR pode prestar atenção a esse número público do WeChat do site.