a崽
古典人像丝滑切换，还都是 4 倍超分辨率水平，细节也就多了亿点点吧，眉毛发丝都根根分明。
这就是最近在推特上火了 Stable Diffusion 视频版 2.0.
它能够通过 Real-ESRGAN 进行上采样，让生成画面达到 4 倍超分。
要知道，之前 Stable Diffusion 生成的图像如果想要高清，还得自己手动提升分辨率。
现在直接二合一，在谷歌 Colab 上就能跑！
食用指南
Colab 上的操作非常简单，基本上就是傻瓜式按照步骤运行即可。
需要注意的是，过程中要从个人 Hugging Face 账户中复制 token 登入。
拉取模型前，记得在 Hugging Face 上授权，否则会出现 403 错误。
搞定以上问题后，就能来用 Stable Diffusion 来生成高清视频了。
生成一段视频需要给出 2 个提示词，然后设置中间的步数，以及是否需要上采样。
中间步骤越多，生成所需的时间越长；同样上采样也会一定程度上加长生成时间。
还能直接用代码来跑，修改几个简单的参数就能搞定。
除了线上模式外，该模型还支持本地运行，项目已在 GitHub 上开源。
注意需要额外安装 Real-ESRGAN。
超分算法来自腾讯
简单来说，这次 Stable Diffusion 的变种版本就是把生成的图片，通过超分辨率方法变得高清。
Stable Diffusion 的原理，是扩散模型利用去噪自编码器的连续应用，逐步生成图像。
一般所言的扩散，是反复在图像中添加小的、随机的噪声。而扩散模型则与这个过程相反 —— 将噪声生成高清图像。训练的神经网络通常为 U-net。
不过因为模型是直接在像素空间运行，导致扩散模型的训练、计算成本十分昂贵。
基于这样的背景下，Stable Diffusion 主要分两步进行。
首先，使用编码器将图像 x 压缩为较低维的潜在空间表示 z（x）。
其中上下文（Context）y，即输入的文本提示，用来指导 x 的去噪。
它与时间步长 t 一起，以简单连接和交叉两种方式，注入到潜在空间表示中去。
随后在 z（x）基础上进行扩散与去噪。换言之，就是模型并不直接在图像上进行计算，从而减少了训练时间、效果更好。
再来看超分辨率部分。
用到的方法是腾讯 ARC 实验室此前开发的 Real-ESRGAN，被 ICCV 2021 接收。
它可以更有效地消除低分辩率图像中的振铃和 overshoot 伪影；
面对真实风景图片，能更逼真地恢复细节，比如树枝、岩石、砖块等。
原理方面，研究人员引出了高阶退化过程来模拟出更真实全面的退化，它包含多个重复的经典退化过程，每个又具有不同的退化超参：
下图为 Real-ESRGAN 进行退化模拟的示意图：
采用的是二阶退化，具体可分为在模糊（blur）、降噪（noise）、resize、JPGE 压缩几个方面。
到训练环节，Real-ESRGAN 的生成器用的是 RRDBNet，还扩展了原始的 ×4 ESRGAN 架构，以执行 resize 比例因子为 ×2 和 ×1 的超分辨率放大。
想要单独使用这种超分算法也不是问题。
在 GitHub 上下载该模型的可执行文件，Windows / Linux / MacOS 都可以，且不需要 CUDA 或 PyTorch 的支持。
下好以后只需在终端执行以下命令即可使用：
./realesrgan-ncnn-vulkan.exe -i input.jpg -o output.png
值得一提的是，Real-ESRGAN 的一作 Wang Xintao 是图像 / 视频超分辨率领域的知名学者。
他本科毕业于浙江大学本科，香港中文大学博士（师从汤晓鸥），现在是腾讯 ARC 实验室（深圳应用研究中心）的研究员。
此前曾登顶 GitHub 热榜的项目 GFPGAN 也是他的代表作。
One More Thing
前两天，大谷老师也发布了用 Stable Diffusion 生成了一组少女人像，效果非常奈斯。
顺带让我们都完成了一下“阅女无数”的成就（doge）。
Stable Diffusion 还能玩出哪些新花样？你不来试试吗？
Colab 试玩：
https://colab.research.google.com/github/nateraw/stable-diffusion-videos/blob/main/stable_diffusion_videos.ipynb
GitHub 地址：
https://github.com/nateraw/stable-diffusion-videos
Hugging Face 授权：
https://huggingface.co/CompVis/stable-diffusion-v1-4
参考链接：
[1]https://twitter.com/_nateraw/status/1569315090314444802
[2]https://www.bilibili.com/video/BV1yd4y1g7Wz?spm_id_from=333.999.0.0
本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/641/674.htm]
