人工智能大模型基础模型媒体生成计算机视觉【免费下载链接】iris-3b项目地址https://ai.gitcode.com/hf_mirrors/speridlabs/iris-3b点击查看免费下载Iris-3B 是一款 30 亿参数的像素空间生成模型它的超分辨支模型支持一步图像修复与 4 倍超分把模糊、有噪点、低分辨率的老照片直接输进去一次前向推理就能还原出清晰锐利的高清大图。本教程手把手教你从零部署 Iris-3B完成一键老照片修复。什么是 Iris-3B 像素空间修复模型传统图像生成器大多在压缩的潜空间latent space里工作再靠解码器还原成像素过程会有信息损失。Iris-3B 走的是另一条路线网络直接输出每一个像素不经过 VAE 和潜空间。这套像素空间先验除了文生图还被微调成了通用视觉模型同一个主干不做任何架构改动仅更换任务权重就能做️图像修复 4 倍超分upscaler/目录单目深度估计depth/目录⚡4 步极速出图turbo/ 目录4 步蒸馏版修复模型的训练采用一步对抗式修复HYPIR recipe在 DIV2K 验证集 4× 任务上达到 LPIPS 0.292、PSNR 20.68 的成绩且全程只需一次前向传播甚至不需要文本编码器以空提示词 empty prompt 运行因此速度快、依赖少。环境准备一键安装与权重下载修复模型对硬件的要求很明确一台NVIDIA GPUCUDA、Python 3.11、PyTorch 2.7.1。第 1 步克隆代码仓库git clone https://gitcode.com/hf_mirrors/speridlabs/iris-3b cd iris-3b pip install -e .第 2 步只下载修复模型权重完整仓库的权重文件较多主模型约 12 GB做图像修复只需要 upscaler/ 文件夹按需下载即可hf download speridlabs/iris-3b --include upscaler/* --local-dir iris-3b下载完成后你会看到这三个核心文件文件作用upscaler/model.safetensors修复 超分主权重EMAupscaler/empty_prompt.safetensors空提示词嵌入免文本编码器upscaler/config.yaml架构与采样配置一条命令完成图像修复与 4 倍超分部署好之后修复一条命令就搞定python scripts/upscale.py photo.jpg --out upscaled把photo.jpg换成你的老照片路径--out指定输出目录。运行结束后输出目录里会出现形如photo_x4.png的结果文件——宽高各放大 4 倍同时完成去噪、去模糊等退化修复。几个值得注意的设计细节大尺寸输出自动分块修复时会把大图切成重叠的 1024×1024 窗口逐块处理配置见 upscaler/config.yaml 中task.tile: 1024因此即使原图较大也不会爆显存接缝处也有重叠过渡。无需提示词整模型以空提示词单次前向运行你不需要像文生图那样写 prompt对新手非常友好。确定性结果修复任务用的是固定 σ 0.5 的一步生成配置见 upscaler/config.yaml同样的输入会得到一致的输出。效果示例模糊照片变清晰下面两张就是官方示例的输入原图——一张低分辨率的雪豹照片和一张明显模糊失焦的沙狐照片正好模拟了模糊退化老照片的典型场景把它们交给upscale.py模型在一步前向中补全毛发、纹理等细节4 倍超分后的结果如下对比可以看到输入图的整体发糊、噪点和压缩痕迹在修复后被替换成了清晰自然的细节而画面主体和构图保持不变——这正是生成式修复相比传统插值放大的优势。老照片修复实用技巧 尽量保留原图信息输入图只要能认出来即可哪怕只剩低清轮廓生成式先验也能帮你补全细节但如果原图本身被严重裁剪、主体残缺模型无法凭空恢复缺失内容。修复 ≠ 精确复原生成式模型会合理想象细节适合老照片翻新、艺术化处理如果做档案级修复要求与原件逐像素一致建议以传统方法为主、生成式为辅。想同时出深度图做 3D 化仓库附带 depth/ 单目深度模型一条命令即可输出深度图python scripts/depth.py photo.jpg --out depth_out效果示例原图 → Iris-3B 深度图出图太快不够稳修复任务是单步的速度已经很快如果你想用它做文生图再配超分可以参考 turbo/ 目录的 4 步蒸馏模型其采样调度写在 turbo/distill.yaml1024×1024 图像在 H100 上约 0.7 秒出图。仓库文件速查表路径说明README.md完整文档安装、参数表、基准测试model.safetensors文生图主模型EMA, float32config.yaml主模型架构与采样配置upscaler/图像修复 4 倍超分模型本教程主角depth/单目深度估计模型turbo/4 步极速蒸馏版含 turbo/distill.yaml 采样调度常见问题 FAQQ修复一张照片大概要多久A单步前向 大图标块化 1024×1024 处理消费级显卡上通常秒级到分钟级取决于 GPU 显存和原图尺寸。Q为什么需要下载约 12 GB 的权重Aupscaler/是完整 3B 参数的微调版含空提示词嵌入文件并非小型 adapter所以体积较大。Q输出图片为什么是 4 倍而不是 2 倍或 8 倍A该超分权重就是按 4× 任务训练发布的DIV2K 4× 协议输出宽高固定为输入的 4 倍。QApache 2.0 协议意味着什么A项目以 Apache License 2.0 开源个人和商业使用都很友好。小结Iris-3B 把文生图模型的像素空间先验直接复用到了老照片修复上——克隆仓库、按需下载 upscaler/ 权重、运行一条upscale.py命令模糊退化的照片就能一步变成 4 倍高清。配合 depth/ 深度估计和 turbo/ 极速出图这套像素空间视觉模型能覆盖的玩法远不止修复老照片。赞分享人工智能大模型基础模型媒体生成计算机视觉【免费下载链接】iris-3b项目地址https://ai.gitcode.com/hf_mirrors/speridlabs/iris-3b点击查看免费下载相关推荐Optimize-Offline终极Windows 10离线镜像优化框架完全指南Optimize Offline终极Windows 10离线镜像优化框架完全指南 Optimize Offline 是一款功能强大的 Windows 10 离终极指南在Windows、Linux和macOS上运行PS4游戏的完整教程终极指南在Windows、Linux和macOS上运行PS4游戏的完整教程 想要在电脑上畅玩《血源诅咒》、《如龙0》等PS4独占大作吗shadPS4模拟器为虚拟化图形学桌面应用Frozen-Flask与CI/CD集成自动化构建静态网站的完整流程Frozen Flask与CI/CD集成自动化构建静态网站的完整流程 Frozen Flask是一个强大的Python库能够将动态的Flask Web应用创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考