中国科学院深圳先进技术研究院，最近发布了一个模型：HYPIR！

它由中科院深圳先进院 XPixel 团队和 SenseTime、香港区域高校等联合打造。

这个模型最快能在1.7s实现图片复原，能实现8k级别的画质修复！

HYPIR的厉害之处

传统的 MSE、GAN 或者迭代扩散方法往往要么速度慢，要么细节欠佳。

HYPIR 的秘诀在于——用「扩散模型预训练的得分先验」来初始化恢复网络，再通过一次前向传播加上对抗微调，就能把模型一步推到自然图像分布附近，实现高质量还原而无需多次采样或额外模块。

理论上，这种初始化不仅保证了数值稳定、避免塌模式，还能大幅加快训练和推理速度 

除了速度快、效果好，HYPIR 还继承了扩散模型那套「可控生成」能力——你可以用文字提示来指定想要的纹理风格或细节丰富度，甚至在复原时动态调整，满足不同场景需求。

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

实际测试里，这套方法在多项常见任务（去噪、去模糊、JPEG 伪影修复等）上都超过了之前的最优方案

下图是各个方案的对比。

且仅靠一次网络前向即可完成，推理延迟几乎和传统 CNN 同级，却能输出更自然、更丰富的细节 

HYPIR如何使用？

想尝鲜的话，只需克隆仓库、下载官方提供的模型（基于 Stable Diffusion 2.1 训练，批量 1024，性能平衡且对算力要求不高）

按照官方的提示就可以本地部署。

git clone https://github.com/XPixelGroup/HYPIR.gitcd HYPIRconda create -n hypir python=3.10conda activate hypirpip install -r requirements.txt

也可以使用官方的在线网站体验

地址：

https://supir.suppixel.ai/home

代码仓库：

https://github.com/XPixelGroup/HYPIR