SD-Latent-Upscaler

在潜在空间放大图像,比像素级放大更快更省显存

SD-Latent-Upscaler 是一个针对 Stable Diffusion 的轻量级神经网络放大工具,通过在潜在空间(latent space)而非像素空间进行上采样,实现图像分辨率的提升。它解决了传统像素级放大(如 ESRGAN)计算开销大、速度慢的问题,核心能力是使用小型神经网络直接对 SD 的 latent 表示进行放大,再通过 VAE 解码生成高分辨率图像。该项目以 ComfyUI 节点形式集成,方便用户在工作流中直接调用,支持多种放大倍数,并可与现有 SD 生成流程无缝衔接。其优势在于显著降低显存占用和推理时间,同时保持图像质量,适合需要快速生成高分辨率图像的场景。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 165
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队city96
所属国家
官网地址
定价模式free
价格说明开源项目,Apache-2.0许可,可免费使用和修改,无付费版本。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型comfyui,stable-diffusion
GitHub 星标★ 165
30天Star增速
HF 下载量
上线时间2023-08-15 00:00:00
最近更新2026-09-04 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 在 latent 空间操作,相比像素级放大(如 ESRGAN)推理速度更快、显存占用更低
  • 以 ComfyUI 节点形式提供,易于集成到现有 SD 工作流,无需复杂配置
  • 模型轻量,适合批量处理和实时生成场景

不足之处

  • 放大质量可能不如像素级放大模型(如 ESRGAN)精细,尤其在细节纹理上
  • 文档和示例较少,社区支持待观察

适用场景

  • 在 ComfyUI 中快速生成高分辨率图像,提升出图效率
  • 显存有限的用户,希望在低显存下生成大图
  • 批量图像生成,需要加速放大流程

替代项目

ESRGAN、Real-ESRGAN、Ultimate SD Upscale

项目介绍

SD-Latent-Upscaler 是图像领域的开源项目,由 city96 开发,2023 年首次发布。

它收录于图像分类,该分类目前共有 837 个项目,GitHub 星标数为 165。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-04。Apache-2.0许可,可免费使用和修改,无付费版本。

它主要面向的使用场景是:在ComfyUI中快速生成高分辨率图像,提升出图效率。同类可对比的替代方案包括 ESRGAN、Real-ESRGAN、Ultimate SD Upscale。

上一篇:shift-attention

下一篇:MaskUnet

同类项目推荐

satori 开源

网页代码一键变高清图,放大不糊,不用截图

Enlightened library to convert HTML and CSS to SVG

★ 13967 2026-08-09
C2GAN 开源

用关键点精准控制图像生成,让AI画出你想要的结构

[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···

★ 70 2026-08-09
ComfyUI 开源

像搭积木一样连节点,生图流程自己搭

The most powerful and modular diffusion model GUI, api and backend with a graph/node···

★ 134493 2026-08-09