Clarity AI:免费开源的AI无损图片放大图像升级器和增强工具

ClarityAI是一款基于AI的图像处理工具,提供无损放大、高分辨率增强等功能,开源性质使得用户可以自由使用和修改代码。它作为MagnificAI的平替,支持多种图像类型并适用于多种场景,如风景、肖像等。
摘要由CSDN通过智能技术生成

可以作为Magnific AI的平替版本。Magnific AI是一款基于人工智能技术的图像处理工具,主要功能包括图像放大、像素级AI重绘、灵活的设置调整以及多种优化场景。它能够支持最高放大至16倍,甚至可以达到1亿像素的分辨率。此外,Magnific AI还具备高级的AI图像放大和增强平台功能,使用A技术将图像放大到极高的分辨率,同时保持或增强图像质量。

AIGC专区:
aigc

工具箱:
专注收录AIGC(通用型AI)垂直领域的工具与软件

夸克网盘开源文件下载链接:夸克网盘分享

在线计费版:https://clarityai.cc

在线体验版:philz1337x/clarity-upscaler – Run with an API on Replicate

GitHub开源网址:https://github.com/philz1337x/clarity-upscaler

Clarity AI是一款利用最新AI技术的高分辨率图片放大增强工具,它能够增强图片细节并提供超高分辨率,适用于多种场景如风景、肖像、插图、动漫、室内设计等。这表明Clarity AI不仅是一个高质量的图片放大工具,而且还是一个开源项目,允许用户自由使用和修改其代码。

Clarity AI的主要特点包括其开源性质、无损放大能力以及对多种图像类型的适用性。这些特性使其成为一个强大的工具,用于提升低分辨率图像的质量,同时保持图像的原始细节和清晰度。此外,Clarity AI作为一个免费且开源的Magnific替代品,提供了与Magnific相似的功能,但以更开放的方式提供给用户。

Clarity AI无损图片放大AI工具的主要优势在于其采用最新的AI技术进行高分辨率图片的放大和增强,同时作为一个开源项目,它允许用户自由地访问和修改源代码,以满足特定的需求或进行个性化定制。

READ ME(使用说明)

使用 cog 部署和运行(本地或云)

从 Cvitai 下载 Checkpoints 和 LoRa 并放入 /models 文件夹中(使用一个文件准备所有内容的 download_weights.py 文件是一项正在进行的工作)

https://civitai.com/models/46422/juggernaut

https://civitai.com/models/82098?modelVersionId=87153

https://civitai.com/models/171159?modelVersionId=236130

predict with cog: 用 cog 预测:

cog predict -i image="link-to-image"

Run with A1111 webUI 使用 A1111 webUI 运行

https://github.com/AUTOMATIC1111/stable-diffusion-webui

Use these params: 使用这些参数:

masterpiece, best quality, highres, <lora:more_details:0.5> <lora:SDXLrender_v2.0:1> Negative prompt: (worst quality, low quality, normal quality:2) JuggernautNegative-neg Steps: 18, Sampler: DPM++ 3M SDE Karras, CFG scale: 6.0, Seed: 1337, Size: 1024x1024, Model hash: 338b85bc4f, Model: juggernaut_reborn, Denoising strength: 0.35, Tiled Diffusion upscaler: 4x-UltraSharp, Tiled Diffusion scale factor: 2, Tiled Diffusion: {"Method": "MultiDiffusion", "Tile tile width": 112, "Tile tile height": 144, "Tile Overlap": 4, "Tile batch size": 8, "Upscaler": "4x-UltraSharp", "Upscale factor": 2, "Keep input size": true}, ControlNet 0: "Module: tile_resample, Model: control_v11f1e_sd15_tile, Weight: 0.6, Resize Mode: 1, Low Vram: False, Processor Res: 512, Threshold A: 1, Threshold B: 1, Guidance Start: 0.0, Guidance End: 1.0, Pixel Perfect: True, Control Mode: 1, Hr Option: HiResFixOption.BOTH, Save Detected Map: False", Lora hashes: "more_details: 3b8aa1d351ef, SDXLrender_v2.0: 3925cf4759af"

  • 14
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
下面是一个完整的Python代码示例,用于从一个文件夹中读取所有图像并对所有图像采用鲸鱼优化算法进行增强后保存到另一个文件夹中: ```python import os import cv2 import numpy as np from whale_optimization_algorithm import WhaleOptimizationAlgorithm # 定义图像增强函数 def image_enhancement(img, param1, param2): # 在此处添加对图像增强操作,根据参数param1和param2进行调整 # ... return enhanced_img # 定义鲸鱼优化算法的适应度函数 def fitness_function(x): # 解码增强参数 param1, param2 = x # 在此处添加对图像增强参数的处理和应用 # ... # 计算图像清晰度和对比度 sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3) sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3) sobel = np.sqrt(np.square(sobelx) + np.square(sobely)) clarity = np.mean(sobel) contrast = np.std(img) # 返回适应度值 return clarity * contrast # 获取文件夹中所有图像的路径 def get_image_paths(folder_path): image_paths = [] for file_name in os.listdir(folder_path): if file_name.endswith('.jpg') or file_name.endswith('.png'): image_paths.append(os.path.join(folder_path, file_name)) return image_paths # 使用鲸鱼优化算法对图像进行增强 def enhance_images_with_woa(image_paths): for image_path in image_paths: # 读取图像 img = cv2.imread(image_path) # 定义鲸鱼优化算法参数 woa = WhaleOptimizationAlgorithm(fitness_function, 2, 50, 100, 2, -2, 2) # 进行图像增强 enhanced_img = image_enhancement(img, woa.best_solution[0], woa.best_solution[1]) # 保存增强后的图像到另一个文件夹中 new_image_path = image_path.replace('original', 'enhanced') cv2.imwrite(new_image_path, enhanced_img) # 定义图像文件夹路径 image_folder_path = 'path/to/image/folder' # 获取所有图像路径 image_paths = get_image_paths(image_folder_path) # 使用鲸鱼优化算法对所有图像进行增强 enhance_images_with_woa(image_paths) ``` 在上述代码中,首先定义了图像增强函数image_enhancement和鲸鱼优化算法的适应度函数fitness_function。然后通过get_image_paths函数获取图像文件夹中所有图像的路径,最后使用enhance_images_with_woa函数对所有图像进行增强,并将增强后的图像保存到另一个文件夹中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值