DemoFusion 是一款圖像增強工具，能夠提升 SDXL 圖像生成的解析度，使生成的圖像解析度提高4倍、16倍，甚至更高。
它不僅能使圖片更加清晰，還能改善圖片中的小細節（如紋理和邊緣），從而生成更自然和逼真的圖像。
DemoFusion 還可以無縫整合到基於 LDM 的多種應用中，例如 ControlNet...還能夠放大真實圖像...
主要功能特點：
1、高解析度圖像生成：DemoFusion 專注於利用潛在擴散模型（LDMs）生成更高解析度的圖像，突破了傳統圖像生成技術的限制。
2、漸進式上採樣：該框架通過逐步提高圖像的解析度來生成更清晰、更詳細的圖像。這種漸進式方法允許更精細地控制圖像品質。它會逐步提高圖片的清晰度，這樣你可以先看到一個大概的效果，然後再慢慢變得更清晰。
3、跳過殘差和擴張採樣機制：DemoFusion 使用這些先進的技術來改善圖像的局部細節和全局一致性，從而生成更自然和逼真的圖像。
4、與 ControlNet 的集成：可以無縫集成到基於 LDM 的多種應用中，例如與 ControlNet 結合，實現可控的高解析度圖像生成。
5、放大真實圖像：還能夠放大真實圖像，通過編碼的真實圖像表示來替換初始階段的輸出，實現圖像的高解析度放大。
6、無需大量內存和調整：DemoFusion 設計得既高效又易於使用，不需要大量的內存資源或複雜的調整過程。
技術細節：
1、漸進式上採樣（Progressive Upscaling）：這種方法涉及逐步提高圖像的解析度。
DemoFusion 從較低解析度的圖像開始，然後通過一個“上採樣-擴散-去噪”循環逐漸提升圖像的解析度。 在每個循環中，先對圖像進行上採樣（增加像素數量），然後通過擴散和去噪過程來提高圖像質量。
2、跳過殘差（Skip Residual）：在“上採樣-擴散-去噪”循環的每個階段，DemoFusion 使用來自前一個擴散過程的中間噪聲逆轉表示作為跳過殘差。
這有助於在高解析度和低解析度圖像之間保持全局一致性。
3、擴張採樣（Dilated Sampling）：為了在局部去噪路徑中建立全局去噪路徑，DemoFusion 引入了擴張採樣。
這種方法促進了更全局一致的內容生成，有助於在整個圖像中保持語義上的連貫性。
4、與現有模型的整合：DemoFusion 可以作為一個外掛般地擴展現有的圖像生成模型，如 SDXL。
它不需要額外的訓練，可以直接應用於現有模型，提供解析度的顯著提升。
