/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
14 сен 2026

StableSR

Преобразование изображенийИзображение, текст → изображение

StableSR — диффузионная модель для повышения разрешения и восстановления деталей реальных изображений по их версиям низкого разрешения.

0скачиваний за 30 дней0лайковвеса обновлены14 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

StableSR — модель повышения разрешения изображений на основе диффузии, разработанная Jianyi Wang и соавторами для работы, описанной в статье «Exploiting Diffusion Prior for Real-World Image Super-Resolution». Она восстанавливает изображение высокого разрешения по изображению низкого разрешения и предназначена для улучшения реальных фотографий и других изображений.

Модель дообучена на Stable Diffusion и включает временной энкодер для передачи условий изображения и модуль Controllable Feature Wrapping (CFW). В карточке описаны варианты на основе SD 2.1 с разрешениями 512 и 768 пикселей, а также вариант StableSR Turbo с четырьмя шагами сэмплирования. Обучение проводилось на DF2K и OST, а для CFW также использовались синтетические пары изображений.

Диффузионная генерация занимает несколько шагов и медленнее GAN-подходов, особенно для изображений размером больше 512 или 768 пикселей. Из-за генеративной природы модель может изменять детали исходного изображения и не всегда корректно восстанавливает сложные сцены. Указана лицензия S-Lab License 1.0.

Сценарии применения

  • повышение разрешения фотографий
  • восстановление деталей на изображениях низкого качества
  • улучшение изображений для просмотра на больших экранах
  • восстановление реальных изображений со сложными сценами

Ограничения

Генерация требует нескольких шагов и медленнее GAN-подходов, особенно для изображений размером более 512 или 768 пикселей. Генеративная природа модели может снижать точность сохранения исходных деталей, а сложные реальные сцены восстанавливаются не всегда корректно.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

StableSR Model Card

This model card focuses on the models associated with the StableSR, available here.

Model Details

  • Developed by: Jianyi Wang

  • Model type: Diffusion-based image super-resolution model

  • License: S-Lab License 1.0

  • Model Description: This is the model used in Paper.

  • Resources for more information: GitHub Repository.

  • Cite as:

    @article{wang2024exploiting,
      author = {Wang, Jianyi and Yue, Zongsheng and Zhou, Shangchen and Chan, Kelvin C.K. and Loy, Chen Change},
      title = {Exploiting Diffusion Prior for Real-World Image Super-Resolution},
      article = {International Journal of Computer Vision},
      year = {2024}
    }
    

Uses

Please refer to S-Lab License 1.0

Limitations and Bias

Limitations

  • StableSR still requires multiple steps for generating an image, which is much slower than GAN-based approaches, especially for large images beyond 512 or 768.
  • StableSR sometimes cannot keep 100% fidelity due to its generative nature.
  • StableSR sometimes cannot generate perfect details under complex real-world scenarios.

Bias

While our model is based on a pre-trained Stable Diffusion model, currently we do not observe obvious bias in generated results. We conjecture the main reason is that our model does not rely on text prompts but on low-resolution images. Such strong conditions make our model less likely to be affected.

Training

Training Data The model developer used the following dataset for training the model:

  • Our diffusion model is finetuned on DF2K (DIV2K and Flickr2K) + OST datasets, available here.
  • We further generate 100k synthetic LR-HR pairs on DF2K_OST using the finetuned diffusion model for training the CFW module.

Training Procedure StableSR is an image super-resolution model finetuned on Stable Diffusion, further equipped with a time-aware encoder and a controllable feature wrapping (CFW) module.

  • Following Stable Diffusion, images are encoded through the fixed autoencoder, which turns images into latent representations. The autoencoder uses a relative downsampling factor of 8 and maps images of shape H x W x 3 to latents of shape H/f x W/f x 4.
  • The latent representations are fed to the time-aware encoder as guidance.
  • The loss is the same as Stable Diffusion.
  • After finetuning the diffusion model, we further train the CFW module using the data generated by the finetuned diffusion model.
  • The autoencoder model is fixed and only CFW is trainable.
  • The loss is similar to training an autoencoder, except that we use a fixed adversarial loss weight of 0.025 rather than a self-adjustable one.

We currently provide the following checkpoints:

Evaluation Results

See Paper for details.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
a151da8

0 моделей