InvSR: 이미지 해상도 품질 향상을 위한 오픈 소스 이미지 초고해상도 프로젝트

일반 소개

InvSR은 저해상도 이미지를 고품질 고해상도 이미지로 변환할 수 있는 확산 반전 기법을 기반으로 하는 혁신적인 오픈 소스 이미지 초고해상도 프로젝트입니다. 이 프로젝트는 사전 학습된 대규모 확산 모델에 포함된 풍부한 이미지 사전 지식을 활용하고 유연한 샘플링 메커니즘을 통해 1~5단계의 임의 샘플링 단계를 지원하여 이미지 품질을 유지하면서 처리 효율을 크게 향상시킵니다. 이 프로젝트는 SD-Turbo를 기본 모델로 채택하고 특정 노이즈 예측 네트워크를 훈련하여 효율적이고 유연한 이미지 초고해상도 처리 프로세스를 달성합니다. invSR은 학술 연구에 적합할 뿐만 아니라 실제 이미지 처리 요구에도 적용할 수 있으며 혁신과 실용성을 모두 갖춘 오픈 소스 도구입니다.

보호 관찰 중

https://huggingface.co/spaces/OAOA/InvSR

https://colab.research.google.com/drive/1hjgCFnAU4oUUhh9VRfTwsFN1AiIjdcSR?usp=sharing

체험: https://replicate.com/zsyoaoa/invsr

기능 목록

• 원하는 수의 단계로 이미지 초고해상도 처리 지원
• 확산 반전을 사용하여 이미지 품질 향상
• 사전 학습된 SD-Turbo 모델 통합
• 유연한 샘플링 메커니즘 제공
• 일괄 이미지 처리 지원
• 사전 학습된 노이즈 예측 네트워크 모델 제공
• 사용자 지정 교육 및 수정을 위한 오픈 소스 지원
• 다양한 이미지 형식 입력 및 출력 지원
• 자세한 평가 결과 및 성과 지표 제공
• 교육 과정에 대한 전체 문서 포함

도움말 사용

1. 환경 설정

가장 먼저 해야 할 일은 시스템이 다음 요구 사항을 충족하는지 확인하는 것입니다:

• Python 3.8+
• PyTorch 2.0+
• CUDA 지원(GPU 가속 권장)

2. 설치 단계

1. 프로젝트 웨어하우스 복제:

git clone https://github.com/zsyOAOA/InvSR.git
cd InvSR

2. 종속성 패키지를 설치합니다:

pip install -r requirements.txt

3. 사전 학습된 모델을 다운로드하세요:
   프로젝트 릴리스 페이지를 방문하여 다운로드noise_predictor_sd_turbo_v5.pth모델 파일을 열고 지정된 디렉토리에 배치합니다.

3. 사용 방법

기본 사용

1. 입력 이미지를 준비합니다:

• 일반적인 이미지 형식(jpg, png 등) 지원
• 처리할 이미지를 입력 폴더에 넣습니다.

2. 초고해상도 처리를 실행합니다:

python inference.py --input_path input_image.jpg --output_path output_image.jpg

고급 매개변수 설정

• --sampling_steps샘플링 단계 수(1~5)를 설정하며, 값이 클수록 품질은 좋아지지만 처리 시간이 길어집니다.
• --scale: 배율 설정하기
• --seed재현 가능한 결과를 보장하기 위한 무작위 시드 설정

4. 성능 최적화 권장 사항

• 큰 이미지의 경우 청크 분할을 권장합니다.
• GPU 메모리가 부족할 때 batch_size 조정하기
• 실제 필요에 따라 샘플링 단계와 처리 속도를 조정할 수 있습니다.

5. 자주 묻는 질문

1. 메모리가 부족합니다:

• 처리된 이미지의 크기 줄이기
• batch_size 줄이기
• 청크 모드 사용

2. 처리 속도 최적화:

• 샘플링 단계 수 감소
• GPU 가속 사용
• 배치 모드 사용

3. 출력 품질이 향상됩니다:

• 샘플링 단계 수 늘리기
• 모델 매개변수 조정
• 고품질 입력 이미지 사용

6. 고급 사용

• 맞춤형 교육 지원: 모델 미세 조정을 위해 자체 데이터 세트를 사용할 수 있습니다.
• 배치 모드: 여러 이미지의 동시 처리 지원
• 통합 API: 다른 프로젝트에 쉽게 통합할 수 있도록 Python API 인터페이스를 제공합니다.