家庭相册中泛黄的老照片，历史档案中尘封的影像资料，科研实验中沉淀下的图片资源……
图像作为一种重要的信息载体，不仅承载了消逝的时光与故事，也记录着人类对历史的探索和传承。然而，由于早期保存条件的限制，许多图像出现了磨损、褪色等问题，大大影响了其原有价值，照片修复技术应运而生。
早期的照片修复依靠「老手艺人」，用放大镜、刀片、镊子等工具以及专业的试剂、纸张进行补色，恢复照片的质感。显然，这一过程十分耗时且对技艺要求极高。而近年来，AI 为图片修复提供了全新的解题思路，不仅提高效率，还能够还原清晰度，并且实现在线存储、永久保存。
目前市场上已经多种智能图片修复工具/APP，其中，一款名为 SUPIR 的图像修复工具表现尤为突出， 无论是年代久远的纸质老照片，还是传输过程中压缩或损毁的电子图片，SUPIR 能够利用先进的 AI 技术来增强这些图像的清晰度和真实感，赋予这些静态画面新的生命力。
SUPIR 利用 StableDiffusion-XL (SDXL) 和模型扩展技术，通过机器学习和多模态方法，显著提升了图像的修复质量。 对于因相机抖动、对焦不准或运动造成的模糊照片，SUPIR 能够通过先进的算法提高图像清晰度，使图像变得更加锐利。此外，它还能识别并修正过饱和或颜色偏差，使处理后的图像色彩更接近自然的真实状态。
有意思的是，SUPIR 巧妙地将图像处理和文本理解技术结合起来，使模型不仅能理解图像本身的内容，还能理解与图像相关的文本描述，进而进行精准的图像修复。
尽管 SUPIR 的效果图令人惊叹，但部署环境和高端的显卡配置等，一度成为用户使用该工具的阻碍，让许多用户望而却步。
近日，超神经官网上线了「SUPIR-AI 图像修复教程」，该教程为大家搭建好了环境，无需任何复杂的前期准备，点击即可一键修复图片，效果非常强大。
超神经公共教程地址：
https://hyper.ai/tutorials/30620
Demo 运行
- 登录 hyper.ai，在「教程」页面，选择「SUPIR-AI 图像修复教程」。
- 点击「在线运行此教程」，页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
- 点击右下角「下一步：选择算力」。
- 跳转后，点击「NVIDIA RTX A6000 」右下角的下拉箭头，选择 「a6000-2」，点击「下一步：审核」。新用户使用下方邀请链接注册，即可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费算力时长！
HyperAI超神经专属邀请链接（直接复制到浏览器打开即可注册）：
https://openbayes.com/console...
- 点击「继续执行」，等待分配资源，首次克隆需等待 3 分钟左右的时间。当状态变为「运行中」后，点击「打开工作空间」。
若超过 10 分钟仍处于「正在分配资源」状态，可尝试停止并重启容器；若重启仍无法解决，请在官网联系平台客服。
- 打开工作空间后，在启动页新建一个终端会话，然后在命令行里输入 「cd SUPIR/」。
- 稍等片刻，在命令行里输入 「bash dependencies.sh」，等待 5 分钟左右。注意，在运行过程中页面内容更新可能会出现片刻的间断现象，请耐心等待。
- 然后在命令行里输入以下内容。
CUDA_VISIBLE_DEVICES=0,1 python gradio_demo.py --ip 0.0.0.0 --port 8080 --use_image_slider --log_history
- 稍等片刻，当命令行出现「Running on local URL: https://0.0.0.0:8080」后，拷贝右侧 API 地址到浏览器地址栏中，即可访问 SUPIR-AI 界面。
请注意，用户需在实名认证后才能使用 API 地址访问功能。
效果展示
- 打开 SUPIR-AI 界面后，点击 Image 下方导入原始图片。
- 导入图片后，点击「Stage1 Run」，对图片进行第一次修复。
- 点击「LlaVa Run」，会生成一段用来描述该图片的文本。
- 点击「Stage2 Run」，1 分钟之内即可生成修复的图片。下面的图片是修复前后的对比，可以看出来这款图片修复工具还是很厉害的。
目前，HyperAI超神经官网已上线了数百个精选的机器学习相关教程，并整理成 Jupyter Notebook 的形式。
点击链接即可搜索相关教程及数据集：
以上就是小编本次分享的全部内容了，希望这次的内容对您有所帮助。如果大家还想学习其他好玩的教程，欢迎留言或私信告诉我们项目地址，小编将会为你量身打造课程，教你如何玩转 AI。
参考资料：
