Un viaje práctico por el mundo de la restauración de imágenes con IA  A veces, las fotos generadas por IA salen un poco... torcidas. Tal vez sean de baja calidad, o tal vez haya artefactos extraños que hacen que la imagen se vea menos que perfecta. ¡Pero no temas! CodeFormer está aquí para salvar el día, ayudándole a arreglar esas imágenes en poco tiempo. En esta guía, le presentaré el modelo de CodeFormer, le mostraré cómo funciona y le explicaré cómo usarlo para arreglar una foto generada por IA ligeramente deformada. Lo guiaré a través de los pasos exactos que usé para limpiar la imagen extraña que obtuve de otro modelo de IA, que se muestra a continuación:   Esta imagen vino de la  modelo, que estaba usando para otra publicación de blog. Le mostraré cómo puede usar el mismo flujo de trabajo que seguí para limpiar sus propias imágenes generadas e incluso mejorarlas para que se vean mejor. Haré este tutorial usando el SDK de Replicate python, pero también se admiten muchos otros idiomas.  .   difusión arcana   en replicar  En esta guía, también le mostraré cómo podemos usar  para encontrar modelos similares y decidir cuál nos gusta. Replicate Codex es una herramienta comunitaria gratuita que le permite buscar, filtrar, ordenar y comparar modelos de IA y encontrar el adecuado para su proyecto de IA.    Códice replicado  CodeFormer ocupa el sexto lugar en Replicate Codex. Es súper popular, con más de 8 millones de ejecuciones. Por lo tanto, es seguro decir que a la comunidad realmente le gusta esta herramienta, ¡y eso significa que a usted también le gustaría usarla!  Acerca de CodeFormer  CodeFormer, creado por  , es un algoritmo sólido de restauración de rostros diseñado para funcionar tanto con fotos antiguas como con rostros generados por IA. Es un modelo de imagen a imagen que cuesta $0.0055 por ejecución, con un tiempo de ejecución promedio de 10 segundos en el hardware de GPU Nvidia T4.   sczhou  La tecnología subyacente de CodeFormer se basa en una red de predicción basada en Transformer, que modela la composición global y el contexto para la predicción del código. Esto permite que el modelo descubra caras naturales que se aproximan mucho a las caras objetivo, incluso cuando las entradas están muy degradadas. También se incluye un módulo de transformación de funciones controlable, que permite un compromiso flexible entre fidelidad y calidad. Puede leer más sobre cómo funciona CodeFormer  .   en Github  Comprender las entradas y salidas de CodeFormer  Antes de comenzar a trabajar en este proyecto, tomemos un segundo para comprender las entradas y salidas que espera el modelo.  Entradas    (archivo): la imagen de entrada que desea corregir. image    (número): Un equilibrio entre calidad (número más bajo) y fidelidad (número más alto). Valor por defecto: 0,5. codeformer_fidelity    (booleano): Si realzar la imagen de fondo con Real-ESRGAN. Valor por defecto: falso. background_enhance    (booleano): si se debe aumentar la muestra de rostros restaurados para imágenes de alta resolución creadas por IA. Valor por defecto: falso. face_upsample    (entero): la escala final de muestreo ascendente de la imagen. Valor predeterminado: 2. upscale  Salidas  La salida del modelo es una cadena URI que representa la imagen fija. Es un objeto JSON y tiene el siguiente formato:   { "type": "string", "title": "Output", "format": "uri" }  Ahora que entendemos las entradas y salidas, profundicemos en el uso de CodeFormer para arreglar una foto deformada generada por IA.  Una guía paso a paso para usar CodeFormer  Si no está preparado para la codificación, puede interactuar directamente con la "demostración" de CodeFormer en Replicate a través de su interfaz de usuario. Puede  para interactuar directamente con la interfaz y probarla! Esta es una buena manera de jugar con los parámetros del modelo y obtener comentarios y validación rápidos.   utiliza este enlace  Si es más técnico y busca eventualmente crear una herramienta genial sobre CodeFormer, puede seguir estos sencillos pasos para restaurar y mejorar sus imágenes usando el modelo en Replicate.  ¡Asegúrese de tener una cuenta de Replicate y su clave API a mano!  Paso 1: Instale el cliente de Python  Esto es bastante fácil de hacer:   pip install replicate  Paso 2: configure su token de API  Puede obtener esto de Replicar en la pestaña de su cuenta.   export REPLICATE_API_TOKEN=[token]  Paso 3: Ejecutar el modelo  Solo necesita unas pocas líneas de código para hacer esto con el SDK de Replicate python.   import replicate output = replicate.run( "sczhou/codeformer:7de2ea26c616d5bf2245ad0d5e24f0ff9a6204578a5c876db53142edd9d2cd56", input={"image": open("path/to/file", "rb")} ) print(output)  En este paso, importamos la biblioteca   y llamamos a la función   para ejecutar el modelo de CodeFormer con la imagen de entrada proporcionada. La salida se imprimirá como una cadena URI que representa la imagen fija. replicate run  Aquí está la imagen de salida que obtuve de este proceso, que se muestra contra la horrible entrada con la que comencé. ¡Qué mejora!   Llevándolo más lejos: encontrar otros modelos de restauración de imágenes con Replicate Codex  Replicate Codex es un recurso fantástico para descubrir modelos de IA que se adaptan a diversas necesidades creativas, incluida la generación de imágenes, la conversión de imagen a imagen y mucho más. Es una base de datos etiquetada, filtrable y con capacidad de búsqueda completa de todos los modelos en Replicate, y también le permite comparar modelos y ordenar por precio o explorar por el creador. Es gratis y también tiene un correo electrónico de resumen que te avisará cuando salgan nuevos modelos para que puedas probarlos.  Si estás interesado en encontrar modelos similares a CodeFormer...  Paso 1: Visite Replicar Codex  Dirigirse a  para comenzar su búsqueda de modelos similares.   Códice replicado  Paso 2: usa la barra de búsqueda  Utilice la barra de búsqueda en la parte superior de la página para buscar modelos con palabras clave específicas, como "restauración de imagen", "mejora de la cara" o "superresolución". Esto le mostrará una lista de modelos relacionados con su consulta de búsqueda.  Paso 3: filtrar los resultados  En el lado derecho de la página de resultados de búsqueda, encontrará varios filtros que pueden ayudarlo a reducir la lista de modelos. Puede filtrar y ordenar por modelos por tipo (Imagen a imagen, Texto a imagen, etc.), costo, popularidad o incluso creadores específicos.   Al aplicar estos filtros, puede encontrar los modelos que mejor se adapten a sus necesidades y preferencias específicas. Por ejemplo, si está buscando un modelo de restauración de imágenes que sea el más popular, puede buscar y luego ordenar por el número de ejecuciones. En ese caso, encontrará el modelo GFPGAN, que también he usado para restaurar fotos antiguas; consulte  para más información. He incluido un ejemplo de restauración de GFPGAN a continuación para que pueda tener una idea de cómo maneja las imágenes también.    mi escrito aquí  Conclusión  En esta guía, exploramos el modelo de CodeFormer, aprendimos sobre sus entradas y salidas, y demostramos cómo usarlo para corregir fotos deformadas generadas por IA. También discutimos cómo aprovechar las funciones de búsqueda y filtro en Replicate Codex para encontrar modelos similares y comparar sus resultados, lo que nos permite ampliar nuestros horizontes en el mundo de la mejora y restauración de imágenes con tecnología de IA.  Espero que esta guía lo haya inspirado para explorar las posibilidades creativas de la IA y darle vida a su imaginación. Gracias por leer. ¡Feliz mejora de imágenes y exploración del mundo de la IA con Replicate Codex!  También publicado  aquí

This story contains new, firsthand information uncovered by the writer.

Tell me why my site sucks so I can make it better. Be mean.

Read My Stories

Este audio es producido en el idioma original de la historia!

Convirtiendo monstruosidades generadas por IA en humanos con CodeFormer

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Telegram: el puente de Crypto Island hacia el continente

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

El modelo Bitcoin UTXO, impulsando un ecosistema único

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Telegram: el puente de Crypto Island hacia el continente

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

El modelo Bitcoin UTXO, impulsando un ecosistema único

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps