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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
跨系统应用融合:APK Installer实现Windows环境下安卓应用运行的技术路径探索如何用OpCore Simplify构建稳定黑苹果系统?掌握这3大核心策略ComfyUI-LTXVideo实战攻略:3大核心场景的视频生成解决方案告别3小时抠像噩梦:AI如何让人人都能制作电影级视频Anki Connect:知识管理与学习自动化的API集成方案Laigter法线贴图生成工具零基础实战指南:提升2D游戏视觉效率全攻略如何用智能助手实现高效微信自动回复?全方位指南3步打造高效游戏自动化工具:从入门到精通的智能辅助方案掌握语音分割:从入门到实战的完整路径开源翻译平台完全指南:从搭建到精通自托管翻译服务
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
576
99
暂无描述
Dockerfile
710
4.51 K
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++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
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
414
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
暂无简介
Dart
952
235
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
2