stable diffusion学习笔记——高清修复

最新推荐文章于 2025-03-22 14:53:10 发布
最新推荐文章于 2025-03-22 14:53:10 发布
阅读量2.3k 收藏 10
点赞数 5
分类专栏： AI绘图 文章标签： stable diffusion 学习 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37872216/article/details/136016228
版权
本文讨论了AI画图中的性能瓶颈，特别是显存限制，以及如何通过超分修复技术如Hi-ResFix和TiledDiffusion/TiledVAE来提高分辨率。文章还介绍了放大算法的选择、重绘幅度的设置等关键要素，以实现高质量的高分辨率生成并解决显存问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

ai画图中通常存在以下痛点：

  1. 受限于本地设备的性能（主要是显卡显存），无法跑出分辨率较高的图片。生图的时候分辨率一调大就爆显存。
  2. 即便显存足够。目前主流的模型大多基于SD1.0和SD1.5，这些模型在训练的时候通常使用小分辨率图片训练，在生成高分辨率图片时画面中很容易出现多人物/多肢体的情况。

以上问题说明了，玩ai画图，需要掌握提高画图分辨率的方式，同时要掌握方式对应的技巧，避免出现画面内容的问题。

超分修复

通过常见的ai超分辨率算法就可以增加图片的分辨率。这种方式本质上只是拉伸了图片之后适当处理了画面中的模糊区域。

这种方式的优点是对本地设备没有要求，可以无压力成倍增加图片的分辨率。缺点是画面的细节并没有随着分辨率增加而增加。

 高清修复（Hi-Res Fix）

第一种最常见的高清修复方式就是Hi-Res Fix，其原理是在低分辨率原图的基础上跑一次图生图，生成新的高分辨率图片。

放大算法：放大操作所使用的算法，R-ESRGAN 4x是现在比较流行的放大算法，如果是生成二次元图片可以使用该算法针对卡通图片的版本。部分模型发

最低0.47元/天 解锁文章
Stable Diffusion WebUI 生成参数：高清修复/高分辨率修复（Hires.fix）
水滴的博客
03-19 9912
大家好，我是水滴~~在本篇文章中，我们将深入探讨 Stable Diffusion WebUI 的一个引人注目的生成参数——高分辨率修复（Hires.fix）。我们将逐一解析这一功能的要点，包括推荐的绘图分辨率、高分辨率修复的参数设置，以及通过生动的案例演示来展现其实际效果。希望能对你有所帮助！
AI绘画Stable Diffusion【图生图教程】：图片高清修复的三种方案详解，你一定能用上！（附资料）
A1353192296的博客
07-05 4209
大家好，我是画画的小强。今天给大家分享一下用AI绘画Stable Diffusion 进行，这是用于提升图像分辨率和细节的技术。在生成图像时，初始的低分辨率图像会通过放大算法和细节增强技术被转换为高分辨率版本。这种方法能够显著提高图像的清晰度和视觉效果，特别适用于需要精细细节的场景。
【Stable Diffusion】 超大尺寸绘制、分区控制，详解Tiled Diffusion & VAE插件功能
2401_85688943的博客
11-21 2241
今天，我们将向您介绍一款令人兴奋的AI工具——Tiled Diffusion & VAE插件。这是一款基于Stable Diffusion技术的创新应用，旨在为您提供超大尺寸绘制和分区控制的便捷体验。无论您是AI绘画的新手还是专业人士，这个工具都能为您带来极大的便利。Tiled Diffusion & VAE插件的集成，使得用户可以轻松地使用这一工具进行图像的转换处理。这个工具利用了Stable Diffusion的最新算法，能够实现快速、准确的转换效果，大大提高了工作效率。
StableDiffusion对图片进行高清、优化、放大
最新发布
小王的储物间
03-22 791
StableDiffusion默认生成的图片分辨率为512*512，“只可远观，不可近赏”来形容怕是再合适不过了。好不容易抽到了一张自己心仪的图，但苦于颜色暗淡，分辨率低下，有什么办法能在原画的基础上，让它的细节更丰富吗？答案是肯定且简单的。2、调整数据（高分迭代步数、重绘幅度）2.1高分迭代步数：是StableDiffusion等图像生成模型中的一个关键参数，控制生成过程中的迭代次数。更多的迭代步数通常会带来更高的图像质量和细节，但同时也会增加生成时间。
stable diffusion实践操作-宽高设置以及高清修复
weixin_43360707的博客
09-02 8688
主要介绍SD的宽高设置以及高清修复例如：以上就是今天要讲的内容。
AI绘画Stable Diffusion也能一键保存复原工作流了，超强插件详解！
A1353192296的博客
04-16 807
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
SD文生图：高清修复的功能详解
weixin_53908101的博客
06-05 1560
上一章，我们介绍如何更好的使用尺寸设置来使用RA/SD本章，我们介绍如何继续使用高清修复的功能我们建议一般使用512的尺寸生成图片的最主要原因就是因为大量的高清修复的能力的出现。这个能力让我们可以不影响画质的情况下，拥有效果更好，清晰度更加的品质图像，让我们AIGC生成的美图都可以做高清壁纸，是不是很赞。
StableDiffusion(四)——高清修复与放大算法
m0_54231818的博客
11-13 7313
文生图：高清修复图生图：SD放大生成后处理：附加功能“打回重画，再来一幅””分几块画，拼在一起“”简单放大，随时可用“分两步，第一步生成低分辨率的图画，第二步使用它指定的高清算法，生成一个高分辨率的版本，在不改变构图的情况下丰富细节根据指定的放大倍数，将图生图的图像拆解成若干小块按照固定逻辑重绘，再合并成一张大图，可以实现在低显存的条件下生成大尺寸的图片利用各种放大算法啊，在图像生成后再对它进行单独处理，使之拥有更高的分辨率尺寸不会改变画面的构图（因为随机种子固定）
stable diffusion学习笔记——文生图（一）
师范大学生的博客
01-27 2302
基本模型也就是常说的checkpoint（大模型），基本模型决定了生成图片的主体风格。如上图所示，基本模型的后缀为.safetensors。需要存放在特定的文件夹下。如果用的是启动器，可以在启动器内直接下载。
Stable Diffusion 之真人转动漫——图生图功能
AA1213888的博客
07-05 603
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
开源图像模型Stable Diffusion入门手册
2401_84760719的博客
08-15 1045
Stable Diffusion 是 2022 年发布的深度学习文字到图像生成模型。它主要用于根据文字的描述产生详细图像，能够在几秒钟内创作出令人惊叹的艺术作品，本文是一篇使用入门教程。
AI丨部署SadTalker并添加到Stable Diffusion
2401_84250614的博客
04-25 1709
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
使用Amazon SageMaker构建高质量AI作画模型Stable Diffusion_sagemaker ai绘图
2301_77033583的博客
04-28 1168
是一项完全托管的机器学习服务，为数据科学家、开发人员和企业提供了一种简单的方式来构建、训练和部署机器学习模型，而无需考虑底层基础设施的复杂性。提供了一整套机器学习工具，涵盖了数据标记、数据处理、模型训练、超参数调优、模型部署及持续模型监控等基本流程，也提供了自动打标签、自动机器学习、监控模型训练等高阶功能。其通过全托管的机器学习基础设施和对主流框架的支持，可以降低客户机器学习的成本。能够完全消除机器学习过程中各个步骤中繁重的工作，使得开发高质量模型变得更加轻松。用户可以选择使用。
Stable Diffusion WebUI从入门到精通
z19981的博客
08-12 1396
第三十部分 Tiled Diffusion30.1 概述我们已经比较熟练地掌握了利用Stable Diffusion来生图，然而显卡性能却阻碍我们生成高分辨率的大图，对于一张2K分辨率的大图来说，就需要24G显存的显卡才能直接生成。所以我们这部分就来讲讲如何实现这个突破，让我们的显卡能生成远高于自己分辨率上限的图片。我们可以通过Tiled Diffusion技术，它可以通过将图像划分为多个小块（tiles），然后对每个小块进行处理，从而生成高分辨率的图像。
StableDiffusion下载部署及相关参数介绍
superheromen的博客
12-25 1739
链图片转存中…(img-AHeye7zX-1703487221058)]此时，可以从宽度／高度中调整种子，将宽度和高度设为原图的值，如图7-34所示，随后生成的图片结果如图7-35所示。可以看到，虽然小狗的模样仍然发生了变化，但也保留了原图中小狗的很多特征，例如毛色。如果提示语对小狗的外貌描述得更详细，甚至可以得到更好的效果。[外链图片转存中…(img-jPEzeKpA-1703487221058)][外链图片转存中…(img-xiYdBcFv-1703487221059)]
Stable Diffusion 老照片修复+高清化+一键抠图教程
qq_41314882的博客
05-09 4709
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
【干货分享】AI绘画SD精准分区绘画功能教程！
A1353192296的博客
04-12 2498
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
【文生图系列】 Stable Diffusion v2复现教程
陶将的博客
06-06 6258
本教程是Stable Diffusion v2的复现过程，基础环境承接Stable Diffusion v1，过程中也遇到好多bug，最后都一一解决了。
stable diffusion 视频高清修复
03-11
<think>嗯，用户想了解Stable Diffusion视频高清修复的方法，我得先理清楚这个技术的原理和应用步骤。首先，Stable Diffusion本身是用于图像生成的模型，但视频修复可能需要结合其他技术。我需要确认Stable Diffusion是否直接支持视频处理，或者是否通常与其他工具结合使用。 接下来，可能需要分步骤解释处理流程，比如预处理、分帧处理、逐帧增强、后处理等。同时，用户可能关心如何实际操作，是否需要编程基础，或者有没有现成的工具可用。此外，还要考虑视频的时间一致性，避免修复后的画面闪烁或不连贯。 然后，要列举常用的工具和方法，比如使用FFmpeg分帧，Stable Diffusion的img2img功能，或者第三方插件。还要提到可能面临的挑战，比如计算资源需求大、处理时间长，以及时间一致性的问题。 最后，是否需要给出具体的操作步骤示例，或者推荐一些优化策略，比如降低分辨率分块处理、使用插值法补充帧等。另外，提醒用户硬件要求，比如高性能GPU的重要性，可能也是必要的。</think>以下是对Stable Diffusion视频高清修复技术的分步解析： 一、技术原理 1. 基础模型：基于Stable Diffusion 2.0或更高版本的图像生成模型 2. 核心机制：通过文本引导（text guidance）和图像条件（image conditioning）实现超分辨率重建 3. 关键组件： - 编码器：将低清帧编码为潜空间表示 - 解码器：生成高清像素空间表示 - 时序模块：保持视频帧间连贯性（如使用3D卷积或光流法） 二、处理流程 1. 预处理阶段 $$ \text{InputVideo} \xrightarrow{\text{分帧}} \{f_1,f_2,...,f_n\} $$ 使用FFmpeg等工具提取视频帧（建议保持30fps以下） 2. 逐帧增强 对每帧应用超分辨率模型： $$ f_i^{HR} = G_{\theta}(f_i^{LR} \oplus E_{\phi}(prompt)) $$ 其中$G_{\theta}$为生成器，$E_{\phi}$为文本编码器 3. 时序优化 采用光流补偿算法： $$ \Delta_{i→j} = \mathcal{F}(f_i^{HR}, f_j^{HR}) $$ 通过运动矢量修正画面抖动 4. 后处理 - 颜色校正：使用直方图匹配 - 锐化处理：非局部均值去噪 - 帧率转换：DAIN等插帧算法 三、实现方案对比 | 方法 | 优点 | 缺点 | |--------------------|-----------------------|-----------------------| | 原生SD+脚本批处理 | 兼容性好 | 时间一致性差 | | TemporalKit插件 | 自带运动补偿 | VRAM消耗增加30% | | RIFE+SD联合流水线 | 输出最流畅 | 需要2080Ti以上显卡 | 四、实操步骤（以Auto1111为例） 1. 安装视频处理扩展： ```bash git clone https://github.com/hzwer/stable-diffusion-video.git ``` 2. 配置参数模板： ```python { "denoising_strength": 0.4, "cfg_scale": 7, "temporal_net": "光流模型.pth", "inter_frames": 3 } ``` 3. 启动处理（建议使用xFormers加速）： ```bash python process_video.py --input lowres.mp4 --prompt "4k detailed" ``` 五、性能优化策略 1. 内存管理： $$ \text{VRAM} \approx 12GB + 0.5GB/\text{frame} $$ 可通过`--medvram`参数降低显存占用 2. 质量-速度平衡方程： $$ Q = \frac{\alpha \cdot \text{迭代步数}}{ \beta \cdot \text{分辨率}^{2} } $$ 建议设置： - 720p视频：20步采样 - 1080p视频：15步采样+Latent缩放 六、典型问题解决方案 1. 画面闪烁： $$ L_{flicker} = \frac{1}{N}\sum_{i=1}^{N-1}||f_{i+1}-f_i||_2 $$ 当$L_{flicker} > 0.3$时，应增加`temporal_weight`参数 2. 伪影消除： 使用后处理滤波器： $$ f_{out} = f_{in} \ast K_{bilateral} + \lambda \nabla^2 f $$ 最新进展：Stable Video Diffusion（SVD）已原生支持视频到视频转换，在RTX4090上可实现512×768@24fps实时处理，建议关注官方代码库更新。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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