#204 · 主分类: 计算机视觉
HYPIR
HYPIR的官方实现:利用扩散生成的分数先验进行图像恢复(SIGGRAPH 2025)
项目最后更新:10/16/25
GitHub Stars
1.2K
Forks数量
102
贡献者数量
2
许可证
Other
收录理由
HYPIR 是 SIGGRAPH 2025 一篇论文的官方实现,核心思路是借助预训练扩散模型产生的分数先验,对退化照片进行修复和放大。你只需输入一张模糊、低分辨率或压缩受损的图片,它就能输出更清晰、分辨率更高的版本,还支持用文字提示来引导修复方向。仓库里备好了预训练的 LoRA 权重、Gradio 交互界面,以及 Colab 和 Replicate 上的在线演示,想快速体验效果的话,不必自己从头搭建整个流程。对于做照片增强、超分辨率或老照片扫描修复的开发者,训练和推理脚本都写得很清楚,改一改就能用到自己的数据上。不过要提醒一句:项目采用自定义的非商业许可协议,如果打算把它集成到产品里,务必先仔细阅读相关条款。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。