DiffBIR一键图片/老照片高清修复！支持CPU、GPU！

今天我要向大家分享的是一款照片修复工具——DiffBIR，它能够解决照片模糊和老照片细节丢失的问题。这款工具运用了AI照片修复模型，不仅能够去除模糊，还能让老照片的细节变得丰富饱满。（整合包在文章末尾自取）

修复效果

配置要求

WIN

• Windwos10/11操作系统
• 支持CPU/GPU

MAC

• Apple Silicon M系列芯片
• MacOS 10.13以上版本

如果需求多的话，我会考虑推出适用于Mac Intel芯片的版本。

使用教程

准备你需要修复的图片，上传到指定位置。

点击Run。获得生成图片。右键图片另存为，或者点击图片上方的下载标志可以下载图片到指定位置。

图片处理中的缓存文件在工具目录的Cache文件夹。

这是最基础的使用，如果你想对图片进行微调设置，请看下面的参数解析。

参数解析

Number Of Samples

这个参数决定了每次生成图像的数量。如果你的配置够高，可以适当增加这个参数，从而一次性生成多张修复结果。

SR Scale

这个参数决定是否需要调整图片尺寸。如果你希望生成的图片尺寸超过原始图片，可增加该数值。同时，它还控制是否将图片分块处理，并规定了分块大小。对于信息量较少的图片，如简单的人像照片，建议不进行分块处理，直接对原图进行处理，效果会更佳。

正向/反向提示词

代表使用StableDiffusion使用缺失信息生成时的提示词，有StableDiffusion经验的朋友应该都知道是做什么的。

正向提示词填写这张图片的基本内容，包括你想生成的元素。(英文)

反向提示词填写你不希望生成什么的内容。(英文)

建议保持默认，这两个提示词对最终结果的影响不是很大。

分类器自由引导比例

这个参数影响着扩散模型采样的过程，通过分类器对其进行修正。它会调整采样过程中高斯分布的均值，从而可能产生一些微妙的变化。开启该参数后，采样结果可能会呈现出不同的效果，但也有可能导致结果偏离预期。如果你对此不够了解，最好不要轻易调整它。

控制强度

这个参数调节了原始图片对最终生成图片的影响程度。当参数值较高时，原始图片会对生成图片产生较大影响。如果原始图片模糊，那么生成的图片可能也会变得模糊。参数值较低时，原始图片对生成图片的影响较小。当参数设置为极低时，生成的图片几乎与原始图片毫无关系。通常建议将该参数设置在适当的范围内。

Step步数

步数越大，处理的细节会越多，处理速度也会越慢！CPU或GPU配置低的慎重调整。

禁用预处理模型

如果把选项勾选上，就代表去掉第一阶段模型处理，直接使用Stable Diffusion模型在模糊的照片上做图生图，效果并不好。所以这个选项一般保持默认的取消勾选即可。

使用颜色校正

颜色矫正环节能够确保扩散模型采样生成的图片与原始图片的颜色分布相符，一般情况下默认勾选这个选项。

Seed(种子值)

种子参数用于控制生成图片时的随机性。举个例子，假设其他参数都相同时，种子参数不同（一个种子参数设置成100、另一个是1000），出来的图片也不是完全相同的。但是当你的其他参数相同，种子参数设置成固定值时，你生成的图片都是一模一样的。

整合包获取

👇🏻👇🏻👇🏻什么？是不是收费的？👇🏻👇🏻👇🏻

关注公众号,发送【DiffBIR】关键字获取整合包。

如果发了关键词没回复你！记得看下复制的时候是不是把空格给粘贴进去了！

如果本文对您有帮助，还请点个免费的赞或在看！感谢您的阅读！