JAFAR 是模型训练领域的开源项目，由 PaulCouairon 开发，2025 年首次发布。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 239。
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 2026-08-12。代码公开，可自行部署使用，无付费版本。
它主要面向的使用场景是：图像超分辨率任务中的特征增强。同类可对比的替代方案包括 ESRGAN、SwinIR、Real-ESRGAN。
JAFAR
任意分辨率下提升特征，无需重训模型
JAFAR是NeurIPS 2025收录的官方代码项目，核心解决深度学习模型中特征分辨率受限的问题。传统模型通常只能在固定分辨率下提取特征，而JAFAR允许在任意分辨率下对任意特征进行'提升'（Jack up），即通过生成式方法将低分辨率特征重建为高分辨率表示，无需重新训练整个模型。它提供即插即用的模块，可嵌入现有CNN或ViT架构，适用于超分辨率、特征增强、多尺度推理等任务。项目包含完整训练与推理代码，基于Jupyter Notebook实现，便于研究与复现。其核心能力在于灵活处理不同尺度特征，提升下游任务精度，同时保持计算效率。
开源
free
开源模型
GitHub 星标
★ 239
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队PaulCouairon
所属国家
定价模式free
价格说明开源项目，代码公开，可自行部署使用，无付费版本。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Jupyter Notebook
技术栈/模型computer-vision,feature-upsampling,foundation-models,high-resolution-features
GitHub 星标★ 239
30天Star增速
HF 下载量
上线时间2025-06-10 00:00:00
最近更新2026-08-12 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
- NeurIPS 2025官方代码，学术权威性高，方法经过同行评审
- 支持任意特征和任意分辨率，灵活适配多种模型架构
- 提供完整Notebook实现，上手门槛低，便于快速实验
不足之处
- 项目处于早期阶段，文档和社区支持待观察
- 依赖Jupyter环境，生产部署需额外转换
适用场景
- 图像超分辨率任务中的特征增强
- 多尺度目标检测或分割模型的特征融合
- 预训练模型迁移到高分辨率输入场景
替代项目
ESRGAN、SwinIR、Real-ESRGAN
项目介绍
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···