SUPIR（Scaling-UP Image Restoration）是一个旨在开发适用于真实场景的高保真图像修复算法的项目。该项目的在线演示已在 suppixel.ai 上发布。 

项目概述

SUPIR 利用生成先验和模型扩展的力量，结合多模态技术，实现智能且逼真的图像修复。通过收集包含 2000 万张高分辨率、高质量图像的数据集进行模型训练，每个图像都附有描述性文本注释，SUPIR 能够根据文本提示修复图像，拓宽了其应用范围和潜力。 

主要功能

• 高质量图像修复：SUPIR 能够将低质量的图像恢复到接近原始状态的高质量版本，处理由于各种原因（如压缩、噪点、模糊等）导致的图像退化。
• 多类型图像修复：SUPIR 能有效修复多种类型的退化图像，包括风景、人脸、动、游戏画面、老电影和老照片，增强图像细节，恢复清晰度和真实感。
• 文本提示引导修复：SUPIR 允许用户通过文本提示来指导图像恢复的过程，指定恢复的特定方面，例如修复图像中的某个模糊物体、改变物体的材质纹理，或根据高级语义调整图像的恢复效果。
• 负质量提示：SUPIR 使用负质量提示来提高图像的感知质量，通过告诉模型哪些图像特征是不期望的（如“油画效果、卡通化、模糊、脏乱、低质量”等），模型可在恢复过程中避免这些特征，从而提升图像的整体质量。

工作原理

SUPIR 使用 StableDiffusion-XL（SDXL）作为其生成性先验，这是一个包含 26 亿参数的大型预训练图像生成模型。通过设计并训练一个具有超过 6 亿参数的适配器，SUPIR 能够识别低质量图像中的内容，并在像素级别上精细控制生成过程。此外，SUPIR 引入了负质量提示，帮助模型理解不希望出现的图像特征，并开发了一种修复引导采样方法，在扩散过程中有选择性地引导预测结果接近低质量图像，以保持恢复的一致性。 

应用场景

• 老照片修复：修复老化、损坏或褪色的老照片，恢复其原始的色彩和细节。
• 模糊图像增强：提高因手抖、对焦错误或运动模糊导致的照片的清晰度。
• 噪点去除：有效识别并去除在高 ISO 或低光照条件下拍摄的照片中的噪点，同时保留图像的重要细节。
• 色彩校正和增强：识别和修正色彩失真问题，如过度饱和或色彩偏差，使图像的色彩更加真实和生动。