4xNomosUniDAT-4xNomosUniDAT2 Upscaler 多用途图片升频器6套

包含以下版本：4xNomosUniDAT_bokeh_jpg_v1、4xnomosunidat_Bokeh_jpg_v2、4xNomosUniDAT_otf、4xNomosUniDAT2_box、4xNomosUniDAT2_multijpg_ldl、4xNomosUniDAT2_multijpg_ldl_sharp

4xNomosUniDAT_bokeh_jpg_v1

在配对nomos_uni（包含照片、动漫、文本、地图、乐谱、绘画等的通用数据集）上使用 Adan、U-Net SN、huber 像素损失、huber 感知损失、vanilla gan 损失、huber ldl 损失和 huber 焦频损失进行 DAT 训练，并添加了 jpg 压缩 40-100 和 down_up、双立方、双立方、双立方、盒式、最近和 lanczos 尺度。在训练数据集中没有引入模糊降级，以防止模型尝试锐化模糊背景。

该模型的三个优点（设计目的）：

1. 多用
2. 处理散景效果
3. 处理 jpg 压缩

此模型不会：

• 降噪
• 去模糊

4xnomosunidat_Bokeh_jpg_v2

与4xNomosUniDAT_bokeh_jpg_v1相同，但将其转换为 .safetensors

在让 Forge 和 Automatic1111 加载 .safetensors 高档模型时遇到了问题，但它在 ComfyUI 中就像一个魅力

4xNomosUniDAT_otf

4x 使用 OTF 训练的通用升频器

4xNomosUniDAT2_box

4 倍通用升频器，适用于不降级内容。

已在箱形下采样上作为 DAT2 模型作为配对数据集进行训练，AdamW 具有像素、感知、gan、颜色、ldl 和 ff 损失。

4xNomosUniDAT2_multijpg_ldl

用途：4 倍通用 DoF 保持升频器

4 个通用 DoF 保留升频器，配对训练 jpg 降级（低至 40）和多尺度（down_up、双三次、双线性、盒子、最近、lanczos）

4xNomosUniDAT2_multijpg_ldl_sharp

用途：4 倍通用 DoF 保持升频器

4 个通用 DoF 保留升频器，配对训练 jpg 降级（低至 40）和多尺度（down_up、双三次、双线性、盒子、最近、lanczos）

💡如有问题或建议，🥳请在社区或评论告诉我们。🎨享受精彩的AI绘画乐趣！

⭕ 使用Qpipi读图提示功能，获取图片TAG Prompt提示 | Stable Diffusion AI绘图软件常见问题解答 | AI绘画新人必备工具指南