SeeSR

用扩散模型和语义提示,让模糊图片恢复清晰细节

SeeSR 是一个基于语义感知的真实世界图像超分辨率模型,来自 CVPR 2024。它针对现有超分方法在复杂退化(如模糊、噪声、压缩伪影)下丢失语义信息、产生失真纹理的问题,引入文本提示和扩散模型,在恢复细节的同时保留物体语义。核心能力包括:利用预训练扩散模型生成高保真纹理,通过语义感知损失和退化去除模块提升恢复质量,支持多种退化类型。项目提供推理和训练代码,基于 Stable Diffusion 架构,适合学术研究和工程应用。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 657
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cswry
所属国家
官网地址
定价模式free
价格说明开源项目,Apache-2.0许可证,完全免费,需自行部署使用。
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seesr,stable-diffusion,super-resolution
GitHub 星标★ 657
30天Star增速
HF 下载量
上线时间2023-11-27 00:00:00
最近更新2026-09-16 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4

使用教程

核心亮点

  • 结合 Stable Diffusion,纹理生成更真实,优于传统 CNN 方法
  • 显式引入文本语义,对复杂退化(如低分辨率、噪声)鲁棒
  • 提供完整训练和推理代码,便于复现和二次开发

不足之处

  • 依赖扩散模型,推理速度较慢,资源消耗高
  • 文档和社区支持待观察,项目早期,示例较少

适用场景

  • 老照片修复,恢复模糊人脸和场景细节
  • 监控或手机拍摄的低质量图像增强
  • 图像编辑预处理,提升后续识别或生成效果

替代项目

Real-ESRGAN、BSRGAN、Stable Diffusion Upscaler

项目介绍

SeeSR 是图像领域的开源项目,由 cswry 开发,2023 年首次发布。

它收录于图像分类,该分类目前共有 839 个项目,GitHub 星标数为 657。

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 2026-09-16。Apache-2.0许可证,完全免费,需自行部署使用。

它主要面向的使用场景是:老照片修复,恢复模糊人脸和场景细节。同类可对比的替代方案包括 Real-ESRGAN、BSRGAN、Stable Diffusion Upscaler。

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