SUPIR 项目使用教程
SUPIR 
项目地址: https://gitcode.com/gh_mirrors/su/SUPIR
1. 项目介绍
SUPIR（Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild）是一个专注于开发实用算法以实现照片级真实图像恢复的开源项目。该项目旨在通过先进的AI技术，提升图像处理和恢复的质量，使其在各种复杂环境下都能达到照片级真实效果。
主要特点
- 照片级真实图像恢复：通过模型缩放技术，实现高质量的图像恢复。
- 实用算法：提供多种实用算法，适用于不同的图像恢复场景。
- 在线演示：提供在线演示工具，方便用户快速体验和测试。
2. 项目快速启动
2.1 环境准备
首先，确保你已经安装了Python 3.8及以上版本，并安装了Conda包管理工具。
# 创建并激活Conda环境
conda create -n SUPIR python=3.8 -y
conda activate SUPIR
# 升级pip并安装依赖包
pip install --upgrade pip
pip install -r requirements.txt
2.2 下载模型
项目中使用了一些预训练模型，你可以通过以下方式下载这些模型：
# 设置模型路径
LLAVA_CLIP_PATH = None
SDXL_CLIP1_PATH = None
SDXL_CLIP2_CKPT_PTH = None
2.3 快速推理
使用以下命令进行快速推理：
# 使用CUDA设备进行推理
CUDA_VISIBLE_DEVICES=0,1 python test.py --img_dir '/opt/data/private/LV_Dataset/DiffGLV-Test-All/RealPhoto60/LQ' --save_dir /results-Q --SUPIR_sign Q --upscale 2
3. 应用案例和最佳实践
3.1 图像增强
SUPIR可以用于增强低质量图像，使其达到照片级真实效果。以下是一个简单的应用案例：
# 使用Gradio进行图像增强
CUDA_VISIBLE_DEVICES=0,1 python gradio_demo.py --ip 0.0.0.0 --port 6688 --use_image_slider --log_history
3.2 图像恢复
在图像恢复场景中，SUPIR可以通过以下方式实现高质量的图像恢复：
# 使用轻度降级设置进行图像恢复
CUDA_VISIBLE_DEVICES=0,1 python test.py --img_dir '/opt/data/private/LV_Dataset/DiffGLV-Test-All/RealPhoto60/LQ' --save_dir /results-F --SUPIR_sign F --upscale 2 --s_cfg 4.0 --linear_CFG
4. 典型生态项目
4.1 SupPixel AI
SupPixel AI是一个基于SUPIR技术的在线图像处理工具，提供高质量的图像增强和恢复功能。用户可以通过访问SupPixel AI来体验这一服务。
4.2 GitHub项目
SUPIR项目托管在GitHub上，用户可以通过访问SUPIR GitHub仓库获取更多信息和资源。
通过以上步骤，你可以快速上手并使用SUPIR项目进行图像恢复和增强。希望这篇教程对你有所帮助！