multidiffusion-upscaler-for-automatic1111

显卡不大也能放大图,细节照样清晰

Stable Diffusion WebUI 的高效放大扩展,通过 Tiled Diffusion 分块处理与 VAE 优化,在显存受限的情况下也能生成高分辨率大图,细节更丰富、显存占用更低,是 AI 绘画高清出图必备插件。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 4994
维护状态 低维护
是否开源
定价模式 free

项目数据

分类图像生成
开发团队pkuliyi2015
所属国家
官网地址
定价模式free
价格说明开源插件,基于CC BY-NC-SA 4.0许可,免费使用,需自行部署到Stable Diffusion WebUI。
访问状态
是否开源
开源协议NOASSERTION
主要语言Python
技术栈/模型image-generation,large-image,multidiffusion,stable-diffusion,stable-diffusion-webui,stable-diffusion-webui-plugin,vramsaving
GitHub 星标★ 4994
30天Star增速
HF 下载量
上线时间2023-02-27 00:00:00
最近更新2026-09-22 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7

使用教程

难度:入门 约 10 分钟 部署方式:本地安装 4 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 已安装并可以正常启动的 Stable Diffusion WebUI (AUTOMATIC1111)
  • Python 环境(本项目开发语言为 Python,通常随 WebUI 一起提供)
  • 显存要求低:README 说明 ≤6GB 显存也能生成或放大 ≥2K 大图
  • 能够访问 GitHub 以获取扩展源码

安装与启动步骤

  1. 1克隆扩展仓库

    从 GitHub 拉取本扩展源码,README 未给出安装命令,克隆地址取自项目仓库地址。

    git clone https://github.com/pkuliyi2015/multidiffusion-upscaler-for-automatic1111.git
  2. 2放入扩展目录

    把克隆得到的文件夹整体放进 sd-webui 的扩展目录中(README 未给出具体路径,按 WebUI 扩展惯例操作)。

  3. 3重启 WebUI

    重启 Stable Diffusion WebUI,让扩展被加载;README 未给出启动命令,请使用你原有的启动方式。

  4. 4确认面板出现

    进入界面查看是否出现 Tiled Diffusion、Tiled VAE 等功能项,出现即代表扩展已被识别。

如何确认成功

重启 WebUI 后,界面中出现 Tiled Diffusion、Tiled VAE 等设置项,即说明扩展加载成功。

常见问题

Q:这个扩展可以商用吗?

A:不可以(仅指本仓库代码)。自 AOE 2023.3.28 起之后的版本禁止用于商业贩售,但衍生的艺术创作内容物不受此限制。

Q:显存很小能用吗?

A:可以。README 说明在 ≤6GB 显存下也能生成或放大 ≥2K 大图,依靠 Tiled Diffusion 分块处理与 Tiled VAE 优化。

Q:它支持哪些方法?

A:复现了 Mixture of Diffusers、MultiDiffusion、Demofusion 三种 SOTA Tiled Diffusion 方法,并有自研的 Tiled VAE 与 Tiled Noise Inversion。

Q:支持 img2img 放大吗?

A:支持。Tiled Diffusion 可用于 img2img 放大来增强图像细节,并支持 ControlNet。

注意事项

  • 许可证为 CC BY-NC-SA,可自由获取、使用、修改,但重分发需沿用相同协议。
  • AOE 2023.3.28 之后版本的仓库代码禁止商业贩售,衍生艺术作品不受此限制。
  • README 中未提供安装步骤与命令,上述操作为按 sd-webui 扩展通用方式推断,请以官方 README 最新说明为准。
  • 无法仅凭 README 确认扩展目录路径、端口与配置项,请勿照搬猜测值。

核心亮点

  • 采用分块扩散(Tiled Diffusion)与分块VAE优化,显著降低大图生成时的显存占用,支持超出常规分辨率的图像生成
  • 作为Stable Diffusion WebUI插件,无缝集成Automatic1111生态,安装使用门槛低,社区用户可直接受益
  • 项目活跃度较高(近5k星标且持续增长),针对高分辨率生成痛点提供实用解决方案,技术路线清晰

不足之处

  • 采用CC BY-NC-SA 4.0非商业许可,限制商用场景,可能阻碍企业级应用
  • 依赖Automatic1111 WebUI特定框架,独立使用或迁移至其他SD前端需额外适配
  • 文档/社区待观察

适用场景

  • 在显存有限的消费级GPU上生成4K以上超高分辨率图像
  • 需要批量处理大尺寸图片(如海报、地图、医学影像)的Stable Diffusion工作流
  • 作为Automatic1111 WebUI用户扩展图像生成尺寸上限的辅助工具

替代项目

sd-webui-tilediffusion、ComfyUI-Upscale、Ultimate SD Upscale

项目介绍

multidiffusion-upscaler-for-automatic1111 是图像领域的开源项目,由 pkuliyi2015 开发,2023 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(4,994)位列前 9%,在图像分类的 837 个项目里位列前 5%。

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 2026-09-22。开源插件,基于CC BY-NC-SA 4.0许可,免费使用,需自行部署到Stable Diffusion WebUI。

它主要面向的使用场景是:在显存有限的消费级GPU上生成4K以上超高分辨率图像。同类可对比的替代方案包括 sd-webui-tilediffusion、ComfyUI-Upscale、Ultimate SD Upscale。

上一篇:stable-diffusion.cpp

下一篇:DragGAN

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
DeTikZify 开源

上传图表或草图,秒变可编译的TikZ矢量代码。

Synthesizing Graphics Programs for Scientific Figures and Sketches with TikZ.

★ 1820 2026-08-09