16倍！又一个强到无敌的放大插件（脚本）StableSR，推荐！
！！作为脚本 使用，在【图生图】--【脚本】 里面才能找到！！！
网盘下载地址：
【完整打包】下载地址 https://pan.quark.cn/s/f6cf07fada85
StableSR插件（含插件模型）+基础模型
1、下载后把压缩包内的目录解压到插件目录【extensions】即可
2、下载v2-1_512-ema-pruned基础模型（大模型）放到models\Stable-diffusion里
3、使用的时候基础模型一定要切换成v2-1_512-ema-pruned
可配合Tiled Diffusion和Tiled VAE性能更强大。
翻译：大华说AI
原文:https://github.com/pkuliyi2015/sd-webui-stablesr/blob/master/README_CN.md
StableSR - Stable Diffusion WebUI
StableSR 是由 Jianyi Wang 等人提出的强力超分辨率项目。
本仓库将 StableSR 项目迁移到 Automatic1111 WebUI。
功能
高保真图像放大：
不修改人物脸部的同时添加非常细致的细节和纹理
适合大多数图片（真实或动漫，摄影作品或AIGC，SD 1.5或Midjourney图片...）
较少的显存消耗：
注意，sdp可能会不明原因炸显存。建议使用xformers。
我移除了官方实现中显存消耗高的模块。
剩下的模型比ControlNet Tile模型小得多，需要的显存也少得多。
当结合Tiled Diffusion & VAE时，你可以在有限的显存（例如，<12GB）中进行4k图像放大。
小波分解颜色修正：
StableSR官方实现有明显的颜色偏移，这一问题在分块放大时更加明显。
我实现了一个强大的后处理技术，有效地匹配放大图像与原图的颜色。请看小波分解颜色修正例子。
使用
1. 安装
⚪ 方法 1: 官方市场
打开Automatic1111 WebUI -> 点击“扩展”选项卡 -> 点击“可用”选项卡 -> 找到“StableSR” -> 点击“安装”
⚪ 方法 2: 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"
2. 必须模型
你必须使用 StabilityAI 官方的 Stable Diffusion V2.1 512 EMA 模型（约 5.21GB）
虽然StableSR需要一个SD2.1的模型权重，但你仍然可以放大来自SD1.5的图片。NSFW图片不会被模型扭曲，输出质量也不会受到影响。
你可以从 HuggingFace 下载
模型下载地址：https://huggingface.co/stabilityai/stable-diffusion-2-1-base/tree/main
放入 stable-diffusion-webui/models/Stable-Diffusion/ 文件夹
下载 StableSR 模块
官方资源：HuggingFace (约1.2G)。请注意这是一个zip文件，同时包含StableSR模块和可选组件VQVAE.
下载地址：https://huggingface.co/Iceclear/StableSR/resolve/main/weibu_models.zip
我的资源：<GoogleDrive> <百度网盘-提取码aguq>
百度网盘下载：https://pan.baidu.com/s/1Nq_6ciGgKnTu0W14QcKKWg?pwd=aguq
把StableSR模块（约400M大小）放入 stable-diffusion-webui/extensions/sd-webui-stablesr/models/ 文件夹
3. 可选组件
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
官方资源：同2中的链接
我的资源：<GoogleDrive> <百度网盘-提取码83u9>
把VQVAE（约750MB大小）放在你的 stable-diffusion-webui/models/VAE 中
4. 扩展使用
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，CFG值<=2，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。
这里是官方推荐的 Tiled Diffusion 设置。
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。
下图是24GB显存的推荐设置。
对于4GB的设备，只需将Tiled Diffusion Latent tile批处理大小改为1，Tiled VAE编码器Tile大小改为1024，解码器Tile大小改为128。
SDP注意力优化可能会导致OOM（内存不足），因此推荐使用xformers。
除非你有深入的理解，否则你不要改变Tiled Diffusion & Tiled VAE中的其他设置。这些参数对于StableSR基本上是最优解。
5. 参数解释
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
什么是"颜色修正"？
这是为了缓解来自StableSR和Tile处理过程中的颜色偏移问题。
AdaIN简单地匹配原图和结果图的颜色统计信息。这是StableSR官方算法，但常常效果不佳。
Wavelet将原图和结果图分解为低频和高频，然后用原图的低频信息（颜色）替换掉结果图的低频信息。该算法对于不均匀的颜色偏移非常强力。算法来自GIMP和Krita，对每张图像需要几秒钟的时间。
启用颜色修正时，原图也会出现在您的预览窗口中，但不会被自动保存。
6. 重要问题
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：
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。
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。
采样器差异：
VQVAE 解码器差异：
许可
此项目在以下许可下授权：
S-Lab License 1.0.
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License，由于使用了 NVIDIA SPADE 模块。
免责声明
此扩展中的所有代码仅供研究目的。
严禁贩售代码和权重
致谢
感谢 Jianyi Wang 等人提出的 StableSR 方法
