SesquiLSR

在潜在空间直接放大图像,最高2倍,兼容主流模型

SesquiLSR 是一个面向 Stable Diffusion XL、Flux、Flux2 及 Wan 2.1/Anima/Qwen Image 等模型的任意尺度潜在空间超分辨率放大工具。它解决的是传统图像放大在生成模型中容易产生细节失真或与模型不兼容的问题,通过在潜在空间(latent space)直接进行放大,支持最高 2.0 倍的分数倍率(如 1.5x),从而更灵活地控制输出分辨率。项目提供了预训练权重和 ComfyUI 节点,方便集成到现有工作流中,让用户无需额外训练即可提升生成图像的分辨率和清晰度。其核心能力在于跨模型兼容性和对潜在表示的高效处理,为 AI 绘画用户提供了一种轻量级的放大方案。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 104
维护状态 维护中
是否开源
定价模式 free

项目数据

分类图像生成
开发团队LoganBooker
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,免费使用,无付费版本。
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型comfyui,latent-diffusion,latent-space,stable-diffusion,super-resolution,upscaler,upscaling
GitHub 星标★ 104
30天Star增速
HF 下载量
上线时间2026-06-10 00:00:00
最近更新2026-09-19 00:00:00
维护状态维护中
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

  • 支持SDXL、Flux、Flux2、Wan等主流模型的潜在空间放大,兼容性强
  • 提供ComfyUI节点,可无缝接入现有AI绘画工作流
  • 支持分数倍率(如1.5x),分辨率控制更灵活

不足之处

  • 项目处于早期阶段,星标数较少,社区生态和文档可能不完善
  • 仅支持最高2.0倍放大,高倍率场景需多次处理

适用场景

  • 在ComfyUI中提升生成图像的细节和清晰度
  • 需要将低分辨率AI生成图放大到特定尺寸(如1.5x)的场景
  • 批量处理图像时,希望保持模型风格一致性的放大需求

替代项目

ESRGAN、Real-ESRGAN、SwinIR

项目介绍

SesquiLSR 是图像领域的开源项目,由 LoganBooker 开发,是 2026 年新上线的项目。

它收录于图像分类,该分类目前共有 837 个项目,GitHub 星标数为 104。

近 44 天,它的 GitHub 星标从 88 增加到 104,净增 16。

项目仍在小幅维护中,最近一次代码更新于 2026-09-19。MIT许可证,免费使用,无付费版本。

它主要面向的使用场景是:在ComfyUI中提升生成图像的细节和清晰度。同类可对比的替代方案包括 ESRGAN、Real-ESRGAN、SwinIR。

上一篇:stable-fashion

下一篇:pokemon-card-generator

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