更多AI前沿科技资讯，请关注我们：
【closerAI ComfyUI】模糊图像救星！CoZ技术实现64倍无损放大！Chain-of-Zoom：基于尺度自回归与偏好对齐的极端超分辨率技术！超赞技术！
大家好，我是Jimmy。超分辨率（Single Image Super-Resolution, SISR）是计算机视觉领域的重要研究方向，旨在从单张低分辨率图像中重建出高分辨率图像，提升图像的细节和清晰度，具有极大的价值和意义。特别是在医学影像（提升 CT/MRI 分辨率）、遥感图像（卫星图像细节增强）、监控视频（人脸识别细节优化）、手机摄影（数字变焦后的画质修复）、老照片 / 视频修复（复古内容高清化）……
Chain-of-Zoom项目的提出就是解决目前SISR存在缺陷，实现16~64倍的放大！目前已在github上开源，本地部署24G显存可玩。但暂无comfyUI实现，可在体验网站体验，附在文末位置。下面我们先看下它的效果，再介绍下它。
Chain-of-Zoom——基于尺度自回归与偏好对齐的极端超分辨率技术
Chain-of-Zoom (CoZ) 是由 Bryan Sangwoo Kim、Jeongsol Kim 和 Jong Chul Ye 团队提出的创新框架，旨在解决单图像超分辨率（SISR）任务中的两大核心问题：
- 跨尺度泛化性不足：传统模型在超出训练范围的放大倍数下易产生模糊和伪影；
- 计算成本高：为更高分辨率重新训练模型效率低下。
CoZ 通过模型无关的自回归链式推理，将超分辨率分解为多步中间尺度状态，结合多尺度感知的文本提示，实现无需重新训练的极端分辨率提升（如16倍以上）。其核心思想是通过重复调用基础SR模型，逐步细化图像，并利用视觉语言模型（VLM）生成的文本提示引导生成质量。实验表明，标准的4倍扩散SR模型包裹在CoZ达到超过256倍的放大，具有高的感知质量和保真度。
技术亮点
- 尺度自回归链（Autoregressive Chain） 将高倍超分辨率分解为多个低倍子任务，递归应用基础模型（如Stable Diffusion 3），避免直接训练高倍模型。支持两种推理模式：recursive_multiscale（多尺度递归）和recursive_fixed（固定尺度递归）。
- 多尺度感知提示（VLM Prompting）： 使用微调的视觉语言模型（如Qwen2.5-VL-3B）分析图像内容，生成描述性文本提示，弥补高倍放大时的视觉信息丢失。通过GRPO（Group Relative Preference Optimization）与批评家VLM对齐人类偏好，优化提示质量。
- 高效内存管理： 支持单GPU（24GB VRAM）运行，但推荐双GPU以提升速度（通过--efficient_memory参数启用内存优化）。
部分实验结果展示如下：
体验
目前可以在抱脸上体验，体验地址：https：//huggingface.co/spaces/alexnasa/Chain-of-Zoom
我加载了一张图。
通过两倍放大。
能够修复放大到裤子的细节。
目前，它是没有comfyUI中的实现节点。希望后续社区有大神能支持。但关于放大。同样的我们可以使用SUPIR来放大。它是KJ大神实现的comfyUI节点：
https://github.com/kijai/ComfyUI-SUPIR
仓库中有模型下载的链接。安装过程不再展开讲。
下面的基于SUPIR的放大工作流。我建议大家是在线上去体验了。对设备要求高，24G是最好。16G是勉强玩这个。
下面是closerAI SUPIR放大工作流：
节点很简单，加载图像，选择放大模型和SDXL模型。
点击执行：
本地算力不够怎么办？
如果本地设备算力不好的小伙伴，推荐使用线上comfyUI来运行体验：runninghub.cn
runninghub.cn suspir 超级高清4K放大流体验地址：
https://www.runninghub.cn/ai-detail/1929389231452405761
注册地址：https://www.runninghub.cn/?utm_source=kol01-RH151
通过这个链接第一次注册送1000点，每日登录送100点
最后几句：
目前项目刚开源但作为高清放大的一个新技术，是通过VLM视觉模型来作指引的，看是否能引起社区大神们的关注在comfyUI中实现，目前是24G显存可玩，以下相关链接：
论文：https：//bryanswkim.github.io/chain-of-zoom/
体验地址：https：//huggingface.co/spaces/alexnasa/Chain-of-Zoom
Github：https：//github.com/bryanswkim/Chain-of-Zoom
以上Chain-of-Zoom基于尺度自回归与偏好对齐的极端超分辨率技术的介绍与分享，以及体验。以及closerAI团队制作的stable diffusion comfyUI closerAI搭建的closerAI supirl图像放大工作流的介绍，大家可以根据工作流思路进行尝试搭建。
当然，也可以在我们closerAI会员站上获取对应的工作流(查看原文)。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：JimmyMo
更多AI前沿科技资讯，请关注我们：
主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网
评论(0)