Ultimate SD Upscale 扩展使用教程
2026-02-06 04:35:22作者:范靓好Udolf
项目介绍
Ultimate SD Upscale 是一个专为 AUTOMATIC1111 的 Stable Diffusion Web UI 设计的图像增强扩展。该扩展通过瓦片式放大技术,允许用户使用高降噪值(0.3-0.5)进行图像放大,同时有效减少伪影和接缝问题。该扩展适用于任何显卡配置,通过智能的瓦片处理技术确保图像质量。
核心功能特点
- 高降噪支持:支持 0.3-0.5 的降噪值范围,显著减少放大过程中的伪影
- 瓦片放大技术:采用 512x512 瓦片大小进行渐进式放大,确保图像收敛质量
- 接缝修复:内置多种接缝修复算法,包括线性、棋盘格和无接缝模式
- 灵活配置:提供丰富的参数设置选项,满足不同场景下的放大需求
安装与配置
环境要求
- 已安装 AUTOMATIC1111 Stable Diffusion Web UI
- Python 3.7+ 环境
- 基本的 GPU 支持(可选,但推荐)
安装步骤
-
克隆项目仓库
git clone https://gitcode.com/gh_mirrors/ul/ultimate-upscale-for-automatic1111.git -
安装扩展 将克隆的仓库放置在 Stable Diffusion Web UI 的
extensions目录下,然后重启 Web UI。 -
验证安装 启动 Web UI 后,在 img2img 页面的脚本下拉菜单中应能看到 "Ultimate SD upscale" 选项。
使用指南
基本操作流程
- 打开 Stable Diffusion Web UI,选择图生图(img2img)功能
- 导入需要放大的原始图像
- 在页面底部找到脚本选择区域,选择 "ultimate sd upscale"
- 根据需求配置相关参数
- 点击生成按钮开始处理
参数配置详解
目标尺寸设置
- From img2img2 settings:使用 img2img 的基础设置
- Custom size:自定义输出尺寸(宽度和高度)
- Scale from image size:基于原始图像尺寸按比例缩放
重绘选项
- Upscaler:选择上采样器,包括 Lanczos、Nearest、ESRGAN_4x 等多种选项
- Type:重绘模式(Linear、Chess、None)
- Tile width/height:瓦片尺寸,建议设置为 512x512
- Mask blur:蒙版模糊值,通常设置为 8
- Padding:填充值,推荐设置为 32
接缝修复
- Type:接缝修复类型(None、Band pass、Half tile offset pass 等)
- Denoise:降噪强度,建议 0.35
- Width:修复宽度,默认 64
- Mask blur:修复蒙版模糊值
- Padding:修复填充值
最佳实践配置
2K 图像放大配置
{
"tile_width": 512,
"tile_height": 512,
"mask_blur": 16,
"padding": 32,
"denoise": 0.4
}
4K 图像放大配置
{
"tile_width": 768,
"tile_height": 768,
"mask_blur": 20,
"padding": 55,
"denoise": 0.35
}
技术原理
Ultimate SD Upscale 采用分块处理的核心算法,将大尺寸图像分解为多个小瓦片分别处理,最后再组合成完整图像。这种方法具有以下优势:
- 内存友好:避免一次性处理大图像导致的内存溢出
- 质量保证:每个瓦片都能获得充分的降噪和细节处理
- 灵活性高:可根据硬件性能调整瓦片大小
扩展支持三种重绘模式:
- Linear:线性顺序处理瓦片
- Chess:棋盘格交替处理,减少接缝现象
- None:禁用重绘,仅进行上采样
常见问题解答
Q: 处理过程中出现内存不足怎么办?
A: 尝试减小瓦片尺寸(tile_width/tile_height)或增加系统虚拟内存
Q: 接缝明显如何解决?
A: 调整 padding 值和 mask_blur 参数,或尝试不同的接缝修复模式
Q: 处理时间过长如何优化?
A: 可适当降低降噪值或使用性能更好的上采样器
Q: 输出图像质量不理想怎么办?
A: 检查原始图像质量,调整重绘模式和接缝修复参数
性能优化建议
- 硬件配置:推荐使用 GPU 加速处理,显著提升处理速度
- 参数调优:根据图像特性调整瓦片大小和降噪参数
- 批量处理:支持批量处理多张图像,提高工作效率
- 缓存利用:合理配置系统缓存,避免重复计算
通过合理的配置和使用,Ultimate SD Upscale 能够为 Stable Diffusion 用户提供高质量的图像放大解决方案,满足各种场景下的图像处理需求。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
最新内容推荐
Python小说下载神器:一键获取番茄小说完整内容如何用md2pptx快速将Markdown文档转换为专业PPT演示文稿 📊京东评价自动化工具:用Python脚本解放双手的高效助手三步掌握Payload-Dumper-Android:革新性OTA提取工具的核心价值定位终极Obsidian模板配置指南:10个技巧打造高效个人知识库终极指南:5步解锁Rockchip RK3588全部潜力,快速上手Ubuntu 22.04操作系统WebPlotDigitizer 安装配置指南:从图像中提取数据的开源工具终极FDS入门指南:5步掌握火灾动力学模拟技巧高效获取无损音乐:跨平台FLAC音乐下载工具全解析终极指南:5步复现Spring Boot高危漏洞CVE-2016-1000027
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
530
3.74 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
177
Ascend Extension for PyTorch
Python
338
401
React Native鸿蒙化仓库
JavaScript
302
355
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
885
595
暂无简介
Dart
770
191
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
114
139
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
246