Пройдите онлайн интенсив по Stable Diffusion от создателей Нейробазы. Сэкономьте несколько недель времени и узнайте все секреты профессионалов. Посмотрите программу и запишитесь прямо сейчас!](https://salebot.site/neuroweb_1?utmus=base)
Готовые изображения часто имеют довольно низкое разрешение (например, Stable Diffusion v1.5 выдает изображения 512x512), поэтому нам нужен способ увеличить это разрешение. Процесс, позволяющий это сделать, называется апскейлингом и существует множество различных инструментов и техник для его достижения.
До появления моделей ИИ часто использовались алгоритмы дискретизации, такие как бикубическая интерполяция и дискретизация Ланчоса. Они используют простые математические формулы для интерполяции между существующими пикселями изображения. Это может привести к размытым результатам, так как новые детали не вводятся.
Используя методы искусственного интеллекта, можно обучить модели на больших массивах данных изображений высокого разрешения, чтобы научиться генерировать реалистичные узоры и текстуры. Методы, основанные на ИИ, позволяют получить гораздо более убедительные и детализированные результаты, чем традиционные методы.
<aside> 💡 Следует различать нейронные апскейлеры изображений и обычные, алгоритмические, такие как Lanczos, Linear, Bicubic, Nearest, и другие.
</aside>
История развития:
GAN (generative adversarial network) based: Super-Resolution with Deep CNN (2014), SRGAN (2016), ESRGAN (2018), Real-ESRGAN (2021), SwinIR (2021)
Diffusion (denoising) based: SRDiff (2021), Latent Diffusion (2022), Stable Diffusion Upscaler (2022)
(все они также доступны в программе Visions of Chaos)
Real-ESRGAN - Colab notebook, HuggingFace space, Replicate
SwinIR - HuggingFace space, Replicate