huggingface/diffusers

Add SUPIR Upscaler

Open

#7.219 geöffnet am 5. März 2024

Auf GitHub ansehen
 (36 Kommentare) (14 Reaktionen) (0 zugewiesene Personen)Python (4.562 Forks)batch import
New pipeline/modelcontributions-welcomehelp wanted

Repository-Metriken

Stars
 (22.190 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 13T 1h) (96 gemergte PRs in 30 T)

Beschreibung

Model/Pipeline/Scheduler description

SUPIR is a super-resolution model that looks like it produces excellent results

Github Repo: https://github.com/Fanghua-Yu/SUPIR

The model is quite memory intensive, so the optimisation features available in diffusers might be quite helpful in making this accessible to lower resource GPUs.

Open source status

  • The model implementation is available.
  • The model weights are available (Only relevant if addition is not a scheduler).

Provide useful links for the implementation

No response

Contributor Guide

Research-Richtung
Beginnen Sie mit der Untersuchung bestehender Diffusions Pipelines im Verzeichnis `src/diffusers/pipelines`, insbesondere ähnlichen Upscaling Pipelines wie `stable diffusion` oder `controlnet`. Überprüfen Sie die SUPIR Modellarchitektur in ihrem GitHub Repository, um die benötigten Komponenten zu verstehen. Das Issue erwähnt Speicherbeschränkungen, daher sollten Sie eine Implementierung mit Unterstützung für Feature Extraction Offloading oder die Verwendung von `torch.compile` zur Optimierung in Betracht ziehen.
Tech Stack
pythonpytorch
Domain
machine learningai
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
4
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Über 1 Woche
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PyTorch knowledgediffusers codebase familiaritydiffusion model basics
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
25