中国科学院深圳先进技术研究院近期推出了一项研究成果，即名为HYPIR的模型。
该系统是由中国科学院深圳先进技术研究院的XPixel团队与SenseTime公司以及香港地区的高校共同研发而成的。
该模型的最大处理速度可达1.7秒，即可完成图像的还原工作，并且能够达到8K画质级别的修复效果。
HYPIR的厉害之处
传统的多尺度估计（MSE）、生成对抗网络（GAN）或迭代扩散技术常常存在速度较慢或细节不够精细的问题。
HYPIR的独到之处在于——通过采用“基于扩散模型预训练的得分先验”来初始化恢复网络，接着仅需一次前向传播和对抗微调，便能使模型迅速逼近自然图像分布，从而实现高质量的图像还原，整个过程无需进行多次采样或添加额外模块。
从理论层面来看，这种初始化方法不仅确保了数值的稳定性，防止了坍塌现象的发生，同时还能显著提升训练和推理的效率。
不仅速度迅捷、成效显著，HYPIR 还沿袭了扩散模型的“可控生成”特性——您能够通过文字提示来设定所需的纹理风格或细节程度，甚至能够在恢复过程中进行实时调整，以适应各种不同场景的需求。
下图是经过提示词修改之后的，石头变为房子。
还可以对生成的图片保真度进行设置
在真实的测试过程中，该方案在包括去噪、去模糊以及JPEG伪影修复在内的多项常规任务中，均超越了以往的最佳解决方案。
下图是各个方案的对比。
仅通过一次网络前向传播即可实现，其推理延迟与传统CNN相当，同时还能生成更加自然、更为丰富的细节。
HYPIR如何使用？
若您想体验新意，只需进行仓库的克隆操作，并下载由官方提供的模型（此模型系基于Stable Diffusion 2.1进行训练，批量处理1024个样本，性能均衡，且对计算能力的要求并不高）。
按照官方的提示就可以本地部署。
git clone请勿对HYPIR项目进行任何形式的修改。该项目的代码库位于GitHub平台上的XPixelGroup组织下，具体链接为https://github.com/XPixelGroup/HYPIR.git。cd HYPIR创建名为hypir的新环境，并安装Python 3.10版本。conda activate hypir执行pip命令，使用-r参数，对requirements.txt文件中的依赖项进行安装。
也可以使用官方的在线网站体验
