StableSR - Stable Diffusion WebUI

Licensed under S-Lab License 1.0

English | 中文

使用

⚪ 方法 1: URL 安装

打开 Automatic1111 WebUI -> 点击 "Extensions" 标签页 -> 点击 "Install from URL" 标签页 -> 输入 https://github.com/pkuliyi2015/sd-webui-stablesr.git -> 点击 "Install"

⚪ 方法 2: 施工中...

安装成功后，你能在 img2img 最底下的Scripts下拉列表中看到 "StableSR"。

你必须使用来自 StabilityAI 的 Stable Diffusion V2.1 512 EMA 模型（大约 5.21GB）
- 你可以从 HuggingFace 下载
- 放入 stable-diffusion-webui/models/Stable-Diffusion/ 文件夹
下载提取出的 StableSR 模块（大约 400MB）
- 官方资源：施工中
- 我的资源：<GoogleDrive> <百度网盘-提取码aguq>
- 放入 stable-diffusion-webui/extensions/sd-webui-stablesr/models/ 文件夹

安装 Tiled Diffusion & VAE 扩展
- 原始的 StableSR 对大于 512 的大图像容易出现 OOM。
- 为了获得更好的质量和更少的 VRAM 使用，我们建议使用 Tiled Diffusion & VAE。
使用官方 VQGAN VAE（大约 700MB）
- 官方资源：施工中
- 我的资源：<GoogleDrive> <百度网盘-提取码83u9>
- 将它放在你的 stable-diffusion-webui/models/VAE 中

在 WebUI 的顶部，选择你下载的 v2-1_512-ema-pruned 模型。
切换到 img2img 标签。在页面底部找到 "Scripts" 下拉列表。
- 选择 StableSR 脚本。
- 点击刷新按钮，选择你已下载的 StableSR 检查点。
- 选择一个放大因子。
上传你的图像并开始生成（无需提示也能工作）。

推荐使用 Euler a 采样器。步数 >= 20。
如果生成图像尺寸 > 512，我们推荐使用 Tiled Diffusion & VAE，否则，图像质量可能不理想，VRAM 使用量也会很大。
这里有一些 Tiled Diffusion 设置，可以复制官方的结果。
- 方法 = Mixture of Diffusers
- 隐空间Tile大小 = 64，隐空间Tile重叠 = 32
- Tile批大小尽可能大，直到差一点点就炸显存为止。
- Upscaler必须选择None。
什么是 "Pure Noise"？
- Pure Noise也就是纯噪声，指的是从完全随机的噪声张量开始，而不是从你的图像开始。这是 StableSR 论文中的默认做法。
- 启用这个选项时，脚本会忽略你的重绘幅度设置。产出将会是更详细的图像，但也会显著改变颜色和锐度。
- 禁用这个选项时，脚本会开始添加一些噪声到你的图像。即使你将去噪强度设为1，结果也不会那么的细节（但可能更和谐好看）。参见对比图。
- 如果禁用Pure Noise，推荐重绘幅度设置为1

为什么我的结果和官方示例不同？

这不是你或我们的错。
- 如果正确安装，这个扩展有与 StableSR 相同的 UNet 模型权重。
- 如果你安装了可选的 VQVAE，整个模型权重将与融合权重为 0 的官方模型相同。
但是，你的结果将不如官方结果，因为：
- 采样器差异： -官方仓库进行 100 或 200 步的 legacy DDPM 采样，并使用自定义的时间步调度器，采样时不使用负提示。
  - 然而，WebUI 不提供这样的采样器，必须带有负提示进行采样。这是主要的差异。
- VQVAE 解码器差异：
  - 官方 VQVAE 解码器将一些编码器特征作为输入。
  - 然而，在实践中，我发现这些特征对于大图像来说非常大。 (>10G 用于 4k 图像，即使是在 float16！)
  - 因此，我移除了 VAE 解码器中的 CFW 组件。由于这导致了对细节的较低保真度，我将尝试将它作为一个选项添加回去。

此项目在以下许可下授权：

感谢 Jianyi Wang 等人提出的 StableSR 方法