尽管我们之前的文章中有介绍过使用SD来进行图片高清放大的方法，以及老照片翻新和高清放大的方法，但是当我测试了SUPIR技术的时候，我还是被震撼到了！这也将为我们的低像素图片的高清放大提供了多一种的选择！
效果展示
对比效果
SUPIR增强的图片，显然比我们之前介绍的通过codeformer或者是GPFGAN面部修复的图片效果更好，原因就是SUPIR图片增强技术不仅是增加了面部的细节，对其他区域的细节也进行了增强（事实上它并不是像codeformer和FGPGAN一样只针对面部的）
工作流截图
安装教程
安装节点
SUPIR的github主页地址：https://github.com/kijai/ComfyUI-SUPIR
在comfyui中，你可以通过安装其他的扩展一样，安装SUPIR
不过，我更建议的方法是直接下载下面的工作流，将工作流拖入到comfyui之后，再通过“安装缺失节点”的方法来安装更为省事！
下载模型
SUPIR模型下载
模型的huggingface主页地址：https://huggingface.co/camenduru/SUPIR/tree/main
如果你无法科学上网，可以通过代理地址进行访问：https://huggingface.1319lm.top/camenduru/SUPIR/tree/main
这两个模型，SUPIR-v0Q和SUPIR-v0F的区别主要在于它们的训练设置和应用场景：
- SUPIR-v0Q: 这个模型是使用论文中的默认训练设置训练的。它在大多数情况下能够提供高度的泛化能力和高图像质量。这意味着它能够在各种不同的图像上表现良好，保持较高的图像质量。
- SUPIR-v0F: 这个模型是在轻微退化的设置下训练的。其特点是在面对轻微的图像退化时，SUPIR-v0F的第一阶段编码器能够保留更多的细节。这表明SUPIR-v0F可能更适合于处理那些轻度损坏或质量不是很高的原始图像，能够更好地恢复出细节。
总的来说，SUPIR-v0Q更适合通用的图像恢复任务，而SUPIR-v0F特别适用于处理那些有轻微退化问题的图像，能够在细节保留方面表现更好。
模型下载下来之后，放在跟其他的checkpoint大模型一起就可以，不过建议用一个子文件夹单独存放，以便使用的时候找不到！
SDXL模型下载
由于该工作流使用lighting模型效果更佳，并且速度更快，下面我给出了两个SDXL版的lighting模型的下载地址：
juggernautXL_v9Rdphoto2Lightning.safetensors
下载地址：https://pan.baidu.com/s/1J7PpFxfnA1fk_ABCRaY_6g?pwd=q6g4
realvisxlV40_v40LightningBakedvae.safetensors
下载地址：https://pan.baidu.com/s/1cPXyn7yEWSxcCsmdqDeiSg?pwd=7rsv
同样，下载下来的模型也是存放在跟其他checkpoint大模型一个文件夹，可以新建一个子文件夹单独存放；
使用方法
使用方法非常简单，拖入需要像素增强的图片，设置好图片放大后的尺寸即可，图片放大后的长宽比例要与原图一致，其实你可以对下面的工作流进行自己的加工，比如增加获取原图尺寸的节点，增加按比例缩放的节点，增加反推提示词节点等！
其他参数默认即可！
关于硬件配置
官方对硬件配置的说明如下：
内存要求与输入图像分辨率直接相关，节点中的“scale_by”只是缩放输入，您可以将其保留为 1.0，并使用任何其他节点调整输入大小。在我的测试中，我能够使用 10GB 3080 GPU 运行 512×512 到 1024×1024，其他测试则在 24GB GPU 上运行到高达 3072×3072。系统 RAM 要求也很高，不知道数字，但我猜想 32GB 以下会出现问题，用 64GB 进行了测试。
另外在官方的更新说明里有如下的内容
fp8 似乎在unet 上工作得很好，我能够使用低于 10GB 的 VRAM 实现 512p 到 2048
因此，如果你的显卡显存小于10G的话，你可以开启SUPIR Model Loader节点中的“fp8_unet”，将其设置为“true”！经过本人的实际测试，本人3090 24G的显卡，关闭“fp8_unet”时，显存的最高使用率达到46%，也就是11.04GB，开启“fp8_unet”时，显存的最高使用率为31%，也就是7.44GB
原创文章，作者：朋远方，如若转载，请注明出处：https://caovan.com/comfyui-supirtupianzengqianggongzuoliudeshiyongjiaocheng/.html
微信扫一扫 
评论列表（3条）
测试照片 好像我之前的好朋友啊。
@mr.t：要不自报下家门，说不定是认识的呢？^_^
@朋远方：好~