SUPIR是一种基于模型缩放的图像恢复方法，利用生成先验和大规模数据集增强其性能。论文提出了一种新的恢复引导采样策略，以在保持图像保真度的同时增强生成的视觉效果。通过引入多模态语言模型和负质量提示，SUPIR实现了对恢复过程的灵活控制和图像质量的提升。实验结果显示，SUPIR在图像恢复任务中表现出卓越的性能，特别是在处理复杂和真实世界的退化问题上。
第一次来请先看这篇文章：【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等）
前言
论文题目：Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild —— 放大到卓越:野外照片真实感图像恢复的打印模型缩放
论文地址：Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild
项目地址：https://supir.xpixel.group/
论文源码：https://github.com/Fanghua-Yu/SUPIR
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
