SUPIR

SUPIR é um sistema de pesquisa para restauração de imagens por difusão, baseado em SDXL e descrições da imagem. Ele pode gerar texturas convincentes, mas esse resultado não comprova que os detalhes existiam no original. Avalie o sistema apenas com imagens que você pode processar, mantenha a entrada intacta e compare cada resultado com a finalidade definida. Esta análise se baseia no repositório e no artigo oficiais. Não baixamos checkpoints, processamos imagens nem reproduzimos medições de velocidade ou qualidade. As fontes fixadas foram consultadas novamente em 20 de setembro de 2026; os direitos de uso dos checkpoints continuam sem esclarecimento.

Defina o que a restauração precisa preservar

Comece com uma pergunta delimitada: o SUPIR consegue produzir uma cópia útil para visualização a partir de uma fotografia danificada, sem alterar os fatos relevantes? Registre o que ainda é visível, o que está incerto e quais características devem permanecer estáveis. Um olho, uma letra ou uma superfície mais nítidos podem parecer naturais e, ainda assim, ter sido inventados.

O artigo descreve um prior generativo ampliado, uma grande coleção de treinamento com anotações textuais, prompts de qualidade negativa e amostragem orientada à restauração. São descrições do método de pesquisa, não resultados medidos nesta análise. Os autores pertencem a várias instituições, entre elas Shenzhen Institute of Advanced Technology, Shanghai AI Laboratory, University of Sydney, Hong Kong Polytechnic University, ARC Lab da Tencent PCG e Chinese University of Hong Kong. Atribuir o projeto a uma única empresa distorce sua identidade. Instituições dos autores; artigo oficial.

Não use a restauração para recuperar detalhes que servirão como prova, identificar uma pessoa desconhecida, ler uma placa ilegível ou certificar autenticidade. Nessas situações, uma reconstrução realista pode esconder a incerteza e prejudicar a decisão. Manter a fotografia danificada, buscar outra imagem de referência que você possa usar ou aplicar uma correção não generativa pode ser a escolha mais adequada.

Identifique os componentes e os checkpoints oficiais

A instalação oficial não consiste em um único arquivo de modelo. O README lista os codificadores CLIP do SDXL, um checkpoint base do SDXL, o CLIP do LLaVA e o LLaVA v1.5 13B. Também fornece links para SUPIR-v0Q e SUPIR-v0F, pelo Baidu Netdisk e pelo Google Drive. Checkpoints opcionais do Juggernaut aparecem separadamente. Repositório oficial na revisão consultada.

Trate cada componente como uma decisão própria de aquisição e licenciamento. Esta análise não baixou os binários vinculados nem calculou seus hashes; também não verificou arquivos de release do GitHub. Um link no README indica uma forma de obtenção, mas não comprova integridade, disponibilidade contínua, compatibilidade ou autorização para seu uso.

O arquivo CKPT_PTH.py consultado contém caminhos absolutos da máquina do mantenedor. Configure esses caminhos e os dos checkpoints no YAML. O README permite None nos caminhos CLIP específicos quando o Hugging Face é acessível, para download automático; não orienta remover todos os caminhos dos modelos. Antes de comparar imagens, registre o commit do repositório, a URL de cada arquivo, seu checksum local e as versões das dependências. Não substitua silenciosamente o arquivo esperado por um espelho com nome parecido.

Compare Q e F mantendo a mesma entrada

A interface de linha de comando usa --SUPIR_sign Q por padrão e aceita Q ou F. O README descreve Q como a configuração de treinamento padrão do artigo, voltada à generalização, e F como uma opção treinada com degradação leve, cujo codificador do primeiro estágio preserva mais detalhes nesse tipo de entrada. Essa é a orientação dos mantenedores, não um ranking confirmado por testes independentes. Orientação Q/F; Seleção na CLI

Compare os dois checkpoints com a mesma imagem, recorte, escala de saída, seed, prompt positivo, prompt negativo e configuração de amostragem. Se várias condições mudarem ao mesmo tempo, uma imagem atraente não explica qual alteração produziu a diferença. Guarde todos os candidatos, inclusive os rejeitados, com o motivo da decisão.

Inclua uma imagem de controle pouco degradada além do caso difícil. Ela ajuda a perceber se o processo reescreve desnecessariamente texturas que já estavam visíveis. Se qualquer checkpoint alterar texto sustentado pela fonte, estrutura facial ou geometria de um produto além da tolerância combinada, rejeite o resultado para essa finalidade. Se Q e F gerarem descrições automáticas diferentes, interprete o par como comparação do fluxo completo, não apenas dos checkpoints.

Controle descrições, prompts e dimensões

O script prepara uma cópia com redução de ruído para gerar a descrição, com alvo de 512 pixels no lado mais curto. Por padrão, o LLaVA descreve essa imagem e o texto participa da amostragem por difusão. Com --no_llava, o LLaVA não é carregado e a descrição fica vazia, mas a redução de ruído prévia continua. Os prompts positivos e negativos permanecem ativos, assim como a exigência de CUDA. Caminho da descrição

O script imprime argumentos e descrições no terminal e salva os PNGs finais. Ele não salva a imagem intermediária usada na descrição. Para inspecioná-la, seria necessário acrescentar uma exportação explícita ao script; essa alteração não foi implementada nem testada aqui. Sem a exportação, compare original, descrição registrada e PNG final. Marque o diagnóstico da imagem intermediária como indisponível. Um registro do terminal não substitui a exportação da imagem.

Guarde os dois prompts completos. Se houver risco de conteúdo inventado, compare a descrição automática com uma descrição vazia. Não peça um fato que a fonte não sustente: solicitar letras azuis nítidas pode gerar caracteres legíveis em vez de recuperar o texto original.

Os valores padrão são seed 1234, 50 passos EDM, escala de orientação 4,0, controle do segundo estágio 1,0, min_size 1024 e upscale 1. O utilitário primeiro registra as dimensões da entrada multiplicadas pela ampliação, depois aplica o mínimo interno ao lado curto e arredonda as dimensões de processamento para múltiplos de 64. Ao salvar, retorna às dimensões registradas. Uma entrada de 512 × 512 com upscale 1 é processada em 1024 × 1024 e salva em 512 × 512. Essa conclusão vem do código, não de uma execução observada. Valores da CLI; Redimensionamento e salvamento

Os ajustes de qualidade e fidelidade do README são pontos de partida, não opções ideais para todas as imagens. Altere uma variável por vez e diferencie o tamanho final pretendido das hipóteses sobre o processamento interno. As dimensões do PNG não revelam as do tensor interno. Ajustes documentados

Esclareça os direitos sobre os checkpoints antes do teste

O SUPIR Software License Agreement não pode ser resumido sem ressalvas como “uso não comercial permitido”. A seção 2(b) não concede direitos de uso, cópia, modificação ou distribuição dos componentes neurais proprietários sem permissão expressa por escrito. A seção 3(a), separadamente, limita pesos, vieses e arquitetura proprietários a fins não comerciais; a seção 3(b) exige um acordo comercial próprio. A relação entre essas disposições permanece sem solução nesta análise. LICENSE, seções 2 e 3

Este texto não decide qual disposição prevalece nem autoriza o uso dos pesos Q/F. Peça esclarecimento ao licenciante para o checkpoint e a atividade específicos antes de executar o plano. Código público e links de download não comprovam permissão. Verifique separadamente os termos de SDXL, LLaVA, modelos Juggernaut opcionais, imagens de entrada e saídas. Uma interface pública ou paga não resolve esses direitos.

O README aponta para o aplicativo SupPixel. Não foram enviadas imagens nem testados seus termos atuais, privacidade, preço ou funcionamento. Antes de enviar um arquivo, identifique o operador e guarde as condições, o tratamento dos dados e as permissões de saída válidos naquele dia. A disponibilidade observada se limita ao código acessível e aos links documentados, não ao download concluído dos pesos nem a um serviço operacional. Aplicativo documentado

Planeje uma avaliação pequena e controlada

Esclareça primeiro a permissão dos checkpoints. Separe então uma fotografia que você possa processar e outra menos degradada para controle. Preserve os originais, remova metadados sensíveis de uma cópia de trabalho quando necessário e anote finalidade e detalhes que não podem mudar. Use um ambiente isolado e registre as versões reais de dependências e drivers. A receita Python 3.8 do README não garante compatibilidade com todos os sistemas atuais. Instalação

Estes comandos são um plano não executado. Pressupõem checkpoints configurados e CUDA. Os redirecionamentos do shell preservam saída padrão e erros de cada execução, incluindo argumentos e descrições impressos. Examine o registro antes de iniciar o próximo teste; não se afirma que as execuções tenham funcionado. Sem CUDA, o script gera erro. Dispositivos e 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

Deixe somente a imagem prevista na pasta de entrada e use nomes-base distintos. O nome do PNG final segue <input-stem>_<sample-index>.png; para control.png e uma amostra, Q fica em results/q/control_0.png. A descrição impressa não traz o nome da entrada. Uma imagem por execução mantém clara essa associação. Leitura e nomes de arquivos

Compare original, descrição registrada e PNG no tamanho final e em recortes importantes. Registre formato, perfil de cor, dimensões de entrada e saída e valores implícitos. Dimensões internas e consumo de recursos precisam de medição ou instrumentação separada; não aparecem automaticamente no registro. Repita a matriz na imagem difícil só depois que o controle atender à ficha de aceitação. Sem a exportação adicional, não testada aqui, a imagem intermediária permanece indisponível.

Decida a aceitação com uma ficha de evidências

A ficha abaixo é uma proposta editorial para organizar a avaliação, não um resultado de benchmark. Preencha-a com observações reais antes de ampliar o lote.

Rejeite um candidato visualmente impressionante quando ele alterar características de identidade, criar texto legível sem respaldo na entrada ou deslocar uma borda importante. Manter certa suavidade pode representar melhor a fotografia. Defina a tolerância pela finalidade concreta de exibição, não por uma nota genérica de nitidez.

Use as evidências disponíveis para investigar falhas

Antes de aumentar os ajustes de qualidade, examine original, registro, escolha Q/F, prompts, amostragem, correção de cor e PNG. A CLI original não salva a imagem usada na descrição e não permite observar onde ela começou a divergir. Também não oferece um argumento para fornecer uma descrição editada manualmente. As duas possibilidades exigiriam uma alteração do script revisada e testada separadamente. Opções e descrições

São hipóteses de diagnóstico, não frequências de falha medidas. Preserve a primeira evidência disponível do problema e o comando exato. Se os registros e arquivos salvos não isolarem a causa, deixe-a como desconhecida; não afirme ter inspecionado um estágio interno inacessível.

Meça recursos e privacidade no trabalho completo

O script de referência depende de CUDA. Com pelo menos duas GPUs visíveis, coloca SUPIR e LLaVA em dispositivos separados; com uma, ambos usam o mesmo dispositivo; sem CUDA, encerra com erro. Distribuição dos dispositivos O README mostra um exemplo Gradio mais lento e de menor consumo, com anotações de 12 GB para difusão e 16 GB para LLaVA. Essa observação não define um mínimo universal nem demonstra que a carga completa cabe em uma única GPU de 12 GB. Exemplos Gradio

Meça separadamente download dos checkpoints, inicialização, descrição, amostragem, salvamento e inspeção humana. Registre dimensões de entrada e saída, escolha Q/F, passos, quantidade de amostras, tipos numéricos, opções de processamento em blocos, modelo da GPU, pico de memória e duração. O autoencoder aceita fp32 ou bf16 e rejeita fp16 por um caminho de erro NaN. A precisão da difusão é configurada separadamente. Isso não valida todas as combinações de tipos e hardware. Tipos no modelo

Para imagens privadas ou licenciadas, determine se o processamento precisa ser local. Hospedar o repositório por conta própria não resolve direitos da entrada, consentimento das pessoas retratadas ou telemetria das dependências. O exemplo Gradio oficial pode registrar histórico; revise os registros habilitados antes de tratar material sensível. Opção de histórico Serviços hospedados precisam de uma análise separada de privacidade e retenção.

Escolha o próximo passo a partir dos resultados

Continue apenas se um candidato controlado melhorar a visualização pretendida, preservar a estrutura sustentada pela fonte, tiver os direitos sobre o checkpoint e a atividade esclarecidos e exigir um esforço aceitável de correção e revisão. Mantenha juntos original, configurações, descrições, prompts, registros, resultados aceitos, resultados rejeitados e aviso de edição.

Se a saída inventar detalhes importantes, depender de direitos não esclarecidos sobre checkpoints ou outros elementos necessários, exceder os recursos disponíveis ou exigir reparos manuais repetidos, interrompa o processo. Redimensionamento convencional, redução de ruído, retoque manual, uma digitalização melhor ou nenhuma restauração podem atender melhor à necessidade. Esta análise não classifica o SUPIR acima de outros modelos nem reproduz os experimentos do artigo.

Use o diretório de modelos depois de identificar a capacidade que falta. Compare alternativas com a mesma entrada permitida e a mesma ficha de aceitação. Um repositório público, uma imagem nítida ou um comando concluído não bastam para demonstrar adequação ao trabalho.