SUPIR

SUPIR es un sistema de investigación para restauración generativa de imágenes basado en SDXL y descripciones. Una textura convincente no demuestra que ese detalle estuviera en el original. Esta evaluación usa fuentes oficiales, consultadas de nuevo el 20 de septiembre de 2026. No se descargaron pesos, procesaron imágenes ni reprodujeron mediciones de velocidad o calidad. Los permisos de uso de los checkpoints siguen sin aclararse.

Define la decisión antes de restaurar

Formula una pregunta acotada: ¿puede SUPIR producir una copia útil para mostrar a partir de una sola fotografía degradada que puedes procesar, sin cambiar los hechos importantes para quien la ve? Un ojo, una letra o una superficie más nítidos pueden parecer plausibles y aun así haber sido inventados. No uses la restauración para identificar a una persona desconocida, leer una matrícula ilegible ni certificar autenticidad. Anota los rasgos visibles, inciertos y aquellos que deben permanecer intactos.

El artículo describe un prior generativo escalado, una gran colección de entrenamiento con anotaciones de texto, prompts de calidad negativa y muestreo guiado por restauración. Son afirmaciones del método propuesto, no medidas de esta evaluación. Los autores proceden, entre otras instituciones, de Shenzhen Institute of Advanced Technology, Shanghai AI Laboratory, University of Sydney, Hong Kong Polytechnic University, ARC Lab de Tencent PCG y Chinese University of Hong Kong. Atribuir el proyecto a una sola empresa sería incorrecto. Conservar la fuente dañada, obtener otra imagen de referencia que puedas utilizar o usar una corrección no generativa pueden ser mejores opciones. Afiliaciones de los autores; artículo oficial.

Separa componentes y checkpoints

El README enumera los codificadores CLIP de SDXL, un checkpoint base de SDXL, LLaVA CLIP y LLaVA v1.5 13B. Enlaza SUPIR-v0Q y SUPIR-v0F mediante Baidu Netdisk y Google Drive; los checkpoints Juggernaut opcionales aparecen aparte. No se descargaron ni calcularon hashes de los binarios enlazados; tampoco se verificaron los archivos de GitHub Releases. Cada componente requiere su propia decisión de adquisición y licencia; no sustituyas en silencio el archivo previsto por un espejo con nombre parecido. Componentes y enlaces

CKPT_PTH.py contiene rutas absolutas locales y también deben configurarse las rutas YAML. Si Hugging Face es accesible, el README permite None en las rutas CLIP indicadas para descargar automáticamente; no indica borrar todas las rutas de los modelos. Registra por separado archivos SDXL, CLIP, LLaVA y SUPIR con origen, versión y suma. Un enlace del README no demuestra integridad, compatibilidad, disponibilidad permanente ni permiso de uso. Configuración de rutas

Compara Q y F con la misma entrada

La CLI de referencia usa --SUPIR_sign Q por defecto y acepta Q o F. Los mantenedores presentan Q como la configuración del artículo con generalización amplia y F como entrenamiento de degradación ligera cuyo codificador de primera etapa conserva más detalle. Es una orientación del mantenedor, no una clasificación independiente. Descripción Q/F; Selección en CLI

Mantén idénticos la fuente, el recorte, la escala de salida, la semilla aleatoria, los prompts positivos y negativos y los valores de muestreo. Cambiar varios factores impide atribuir la diferencia a uno de ellos. Guarda los resultados rechazados con su motivo.

Compara Q y F también con un control poco degradado. A la misma escala, revisa si se reescribe textura ya visible; ninguno es universalmente mejor sin esa comparación. Rechaza los resultados que cambien texto, estructura facial o geometría del producto más allá de la tolerancia fijada para el uso. Si Q y F generan descripciones automáticas diferentes, interpreta el par como una comparación del flujo completo, no solo de los checkpoints.

Controla descripciones, prompts y dimensiones

El script prepara una copia con reducción de ruido para describirla y fija un objetivo de 512 píxeles en su lado corto. Por defecto, LLaVA describe esa imagen y el texto interviene en el muestreo por difusión. Con --no_llava no se carga LLaVA y la descripción queda vacía, pero la reducción de ruido previa se sigue ejecutando. Los prompts positivos y negativos continúan activos y sigue siendo necesario CUDA. Ruta de descripción

El script muestra argumentos y descripciones en el terminal y guarda las muestras PNG finales. No guarda la imagen intermedia usada para describir. Examinarla requiere añadir una exportación explícita al script; aquí no se implementó ni probó ese cambio. Sin la exportación, compara original, descripción registrada y PNG final, y marca el diagnóstico de la imagen intermedia como no disponible. Un registro del terminal no equivale a exportar la imagen.

Conserva los dos prompts completos. Si preocupa la invención de contenido, compara la descripción automática con una vacía. No pidas un hecho que la fuente no respalde: «letras azules nítidas» puede producir caracteres legibles en lugar de recuperarlos.

Los valores por defecto son semilla 1234, 50 pasos EDM, escala de guiado 4,0, control de segunda etapa 1,0, min_size 1024 y upscale 1. La utilidad registra primero las dimensiones de entrada multiplicadas por la ampliación, aplica después el mínimo interno al lado corto y redondea las dimensiones de proceso a múltiplos de 64. Al guardar, vuelve a las dimensiones registradas. Una entrada de 512 × 512 con upscale 1 se procesa a 1024 × 1024 y se guarda a 512 × 512. Son dimensiones deducidas del código, no de una ejecución observada. Valores CLI; Redimensionado y guardado

Los ajustes de calidad y fidelidad del README son puntos de partida, no óptimos universales. Cambia un factor cada vez y separa el tamaño de salida previsto de las suposiciones sobre el proceso interno. Las dimensiones del PNG no revelan las del tensor interno. Ajustes documentados

Aclara los permisos de los checkpoints antes del ensayo

SUPIR Software License Agreement no se puede resumir sin reservas como «uso no comercial permitido». La sección 2(b) no concede derechos de uso, copia, modificación ni distribución de los componentes neuronales propietarios sin permiso escrito expreso. La sección 3(a) limita por separado los pesos, sesgos y arquitectura propietarios a fines no comerciales; la 3(b) exige un acuerdo comercial independiente. La relación entre estas disposiciones queda sin resolver en esta evaluación. LICENSE, secciones 2 y 3

Este texto no decide qué disposición prevalece ni autoriza el uso de los pesos Q/F. Pide al licenciante una aclaración para el checkpoint y la actividad concretos antes de ejecutar el plan. El código público y los enlaces de descarga no demuestran permiso. Revisa por separado los términos de SDXL, LLaVA, los modelos Juggernaut opcionales, las imágenes de entrada y las salidas. Una interfaz pública o de pago no resuelve esos derechos.

El README enlaza la aplicación SupPixel. No se enviaron imágenes ni se probaron sus términos actuales, privacidad, precios o funcionamiento. Antes de una entrega, identifica al operador y guarda las condiciones, el tratamiento de datos y los permisos de salida vigentes ese día. La disponibilidad comprobada abarca el código accesible y los enlaces documentados, no una descarga exitosa de pesos ni un servicio operativo. Aplicación documentada

Prepara una comparación pequeña y controlada

Aclara primero los permisos del checkpoint. Después prepara una fotografía que puedas procesar y un control menos degradado. Conserva los originales, elimina metadatos sensibles de una copia de trabajo cuando proceda y define la finalidad y los detalles que deben mantenerse. Usa un entorno aislado y registra las versiones reales de dependencias y controladores. La receta Python 3.8 del README no garantiza compatibilidad con todos los sistemas actuales. Instalación

Estos comandos son un plan no ejecutado. Presuponen checkpoints configurados y CUDA. Las redirecciones del shell guardan la salida estándar y los errores por ejecución, incluidos argumentos y descripciones impresos. Revisa cada registro antes del siguiente ensayo; aquí no se afirma que hayan funcionado. El script genera un error si no hay CUDA. Dispositivos y argumentos

mkdir -p logs
python test.py --img_dir inputs/control --save_dir results/q --SUPIR_sign Q --seed 1234 > logs/q.log 2>&1
python test.py --img_dir inputs/control --save_dir results/f --SUPIR_sign F --seed 1234 > logs/f.log 2>&1
python test.py --img_dir inputs/control --save_dir results/no-caption --SUPIR_sign Q --seed 1234 --no_llava > logs/no-caption.log 2>&1

Deja únicamente la imagen prevista en la carpeta de entrada y usa nombres base distintos. El PNG final sigue el patrón <input-stem>_<sample-index>.png; para control.png y una muestra, Q se guarda en results/q/control_0.png. La descripción impresa no lleva el nombre de entrada. Una sola imagen por ejecución mantiene clara la correspondencia. Bucle y nombres de archivo

Compara original, descripción del registro y PNG al tamaño final y en recortes importantes. Registra formato, perfil de color, dimensiones de entrada y salida y valores implícitos. Las dimensiones internas y los recursos necesitan medidas o instrumentación aparte; no aparecen automáticamente en el registro. Aplica la matriz a la imagen difícil solo cuando el control cumpla la hoja de aceptación. Sin la exportación adicional, no probada aquí, la imagen intermedia sigue sin poder inspeccionarse.

Acepta con una hoja de evidencias

Esta hoja es una ayuda editorial original, no un resultado de benchmark. Complétala con observaciones reales antes de ampliar el lote.

Rechaza un candidato que cambie rasgos de identidad, cree texto legible sin respaldo o desplace un borde importante. Una imagen algo más suave puede ser más fiel. Define la tolerancia según la finalidad de presentación y no con una puntuación genérica. Guarda comando completo, entorno y hashes locales; entrega original y copia con nombres distintos y un aviso de edición.

Diagnostica con la evidencia disponible

Antes de aumentar los ajustes de calidad, revisa original, registro, Q/F, prompts, muestreo, corrección de color y PNG. La CLI original no guarda la imagen usada para describir y no permite ver dónde comenzó su divergencia. Tampoco ofrece un argumento para introducir una descripción editada manualmente. Ambas opciones requieren una modificación del script revisada y probada por separado. Opciones y descripciones

Son hipótesis de diagnóstico, no tasas de fallo medidas. Conserva la primera evidencia disponible del problema y el comando exacto. Si los registros y archivos guardados no permiten aislar la causa, déjala como desconocida; no afirmes haber revisado una fase interna inaccesible.

Mide los recursos y revisa la privacidad

Con al menos dos GPU visibles, el script coloca SUPIR y LLaVA en dispositivos distintos; con una sola, comparten dispositivo. Sin CUDA termina con error. Ubicación de los modelos

El ejemplo Gradio más lento del README lleva anotaciones de 12 GB para difusión y 16 GB para LLaVA. No son un mínimo universal ni prueban que un trabajo completo quepa en una sola GPU de 12 GB. Registra dimensiones de entrada y salida, Q/F, pasos, número de muestras, tipos numéricos, opciones de mosaico, modelo del dispositivo, pico de memoria y duración. Mide por separado descarga de checkpoints, inicio, descripción, muestreo, guardado e inspección humana. El autoencoder admite fp32 o bf16 y rechaza fp16 mediante un error por NaN. La precisión de difusión se configura por separado; esto no valida todas las combinaciones de tipos y hardware. Ejemplos Gradio; Tipos del modelo

Para imágenes privadas o con licencia, decide si es necesario procesar localmente. El autoalojamiento no resuelve derechos de entrada, consentimiento de retratados ni telemetría de dependencias. El ejemplo Gradio oficial puede registrar historial; revisa qué registros están activos. Los servicios alojados requieren otra revisión de privacidad y retención. Opción de historial

Elige el paso siguiente desde la evidencia

Continúa solo si un candidato controlado sirve al uso, conserva la estructura sustentada por la fuente, tiene aclarados los permisos del checkpoint y el uso y tiene un coste de revisión aceptable. Si no, detente y elige remuestreo, reducción de ruido, retoque, mejor escaneo o el original. Conserva configuración, registros, aceptados, rechazados y divulgación.

Detente también si inventa material decisivo, faltan permisos claros del checkpoint u otros derechos necesarios, excede los recursos o exige reparaciones manuales repetidas. Esta evaluación no clasifica SUPIR frente a otros modelos ni reproduce los experimentos del artículo. Usa el directorio de modelos solo después de identificar la capacidad que falta y compara alternativas con la misma entrada permitida y la misma hoja. Un repositorio público, una imagen nítida o un comando terminado no prueban idoneidad para el trabajo.