使用Ultimate-SD-Upscale进行图片高清放大

本文主要是介绍使用Ultimate-SD-Upscale进行图片高清放大，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

之前我们介绍过StableSR进行图片高清放大，如果调的参数过大，就会出现内存不足的情况，今天我们介绍另外一个进行图片高清放大的神器Ultimate-SD-Upscale，他可以使用较小的内存对图像进行高清放大。下面我们来看看如何使用进行操作。

一：安装Ultimate-SD-Upscale插件

同样我们还是先介绍官方地址：

https://github.com/Coyote-A/ultimate-upscale-for-automatic1111

因为这是标准，因为访问不到，所以在国内找了半天后，发现一个国内转换非常不错的地址：

https://gitee.com/hackhu/ultimate-upscale-for-automatic1111

感谢hackhu为大家解决了这一难题。

安装完后，到这里重启

最后一个就是Ultimate-SD-Upscale

二：需要的模型

比较多哦：

收集这些模型费了大半天的时间，百度下载如下：

链接：https://pan.baidu.com/s/1h7Xc7JrSFJbQ2_YFAn4xLQ?pwd=ufgk 提取码：ufgk

安装位置：stable-diffusion-webui/models放这下面就行了。

三：模型介绍

选出十个较常用的介绍一下，其他的模型小伙伴可以自行查找。

编号	名称	用法和介绍
1	Latent	是一种基于 VAE 模型的图像增强算法,通过将原始图像编码成潜在向量,并对其进行随机采样和重构,从而增强图像的质量、对比度和清晰度。一般情况下，这个算法就能得到不错的效果，和4x-UltraSharp、R-ESRGAN等相比，显存消耗比较小，但效果不是最优。
2	Lanczos	将对称矩阵通过正交相似变换变成对称三对角矩阵的算法
3	ESRGAN	增强超分生成对抗网络，是对SRGAN关键部分网络结构、对抗损失、感知损失的增强。从这里开始就不是单纯的图像算法，进入人工智能的领域了。实测确实增加了很多看上去很真实的纹理，但是有时又会把一张图片弄得全是锯齿或怪异的纹理。可能对待处理的图片类型有要求。
4	4x-UltraSharp	基于ESRGAN做了优化模型，更适合常见的图片格式。真人模型最佳选择
5	ESRGAN 4x	完全使用纯合成数据去尽量贴近真实数据，然后去对现实生活中数据进行超分的一个方法。
6	R-ESRGAN 4x+	基于Real ESRGAN的优化模型，针对照片效果不错。
7	R-ESRGAN 4x+ Anime6B	基于Real ESRGAN的优化模型，二次元最佳，如果你的模型是动漫类的，该选项是最佳选择。
8	R-ESRGAN General 4xV3	基于Real ESRGAN的优化模型，体积小，计算快，效果差。
9	SwinIR_4x	使用Swin Transformer思想，采用一个长距离连接,将低频信息直接传输给重建模块,可以帮助深度特征提取模块专注于高频信息,稳定训练。
10	LDSR	Latent Diffusion Super Resolution（潜在扩散超分辨率模型）