AdaRefSR

一张参考图,单步扩散,超分又快又真

AdaRefSR 是一个基于参考图像的单步扩散超分辨率框架,论文已被 ICLR2026 接收。它解决传统参考超分方法依赖多步迭代、推理慢且细节保真度不足的问题,通过引入参考图像作为条件,结合单步扩散模型,在保持高效推理的同时生成高保真细节。核心能力包括:利用稳定扩散的生成先验,通过参考特征对齐与融合,实现纹理迁移和真实感增强;支持灵活的条件注入,可适配不同参考图质量。项目提供完整训练与推理代码,基于 PyTorch 实现,适合研究与应用落地。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 69
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vivoCameraResearch
所属国家
官网地址
定价模式free
价格说明开源项目,本地部署,完全免费
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型one-step-diffusion-model,reference-based-super-resolution,stable-diffusion,super-resolution
GitHub 星标★ 69
30天Star增速
HF 下载量
上线时间2026-01-30 00:00:00
最近更新2026-09-10 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

  • 单步扩散推理,速度远超多步采样方法
  • 参考图像条件注入,细节保真度高
  • 基于稳定扩散,生成先验强,纹理自然

不足之处

  • 项目早期,文档和社区支持待观察
  • 依赖参考图质量,低质量参考可能影响效果

适用场景

  • 老照片/低分辨率图像修复增强
  • 游戏或影视素材的高清化处理
  • 移动端实时超分应用

替代项目

SeeSR、DiffBIR、StableSR

项目介绍

AdaRefSR 是计算机视觉领域的开源项目,由 vivoCameraResearch 开发,是 2026 年新上线的项目。

它收录于计算机视觉分类,该分类目前共有 447 个项目,GitHub 星标数为 69。

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 2026-09-10。本地部署,完全免费。

它主要面向的使用场景是:老照片/低分辨率图像修复增强。同类可对比的替代方案包括 SeeSR、DiffBIR、StableSR。

上一篇:ovam

下一篇:MagicBokeh

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2046 2026-08-14