2025年最高の 42 個の画像の拡張ツール

顕微鏡画像特徴抽出専用に設計されたチャネル非依存画像エンコーディングモデルCA-MAE、ViT-S/16エンコーダーアーキテクチャを採用

Swin2SRはSwinV2 Transformerベースの画像超解像モデルで、4倍の画像拡大が可能、実シーン向けに設計されています。

Jasper研究チームによって開発された低解像度画像を拡大するためのControlNetモデル

Swin2SRモデルは画像を2倍の超解像で拡大でき、SwinV2 Transformerアーキテクチャに基づいています。

StableDelightは、鏡面反射を除去することで隠されたテクスチャを明らかにする画像処理モデルです。

PMRFは、損傷したまたは低品質の顔画像を効果的に修復するためのブラインドフェイス画像修復モデルです。

GANベースの超解像技術で、生成画像の品質を向上させる

SwinV2 Transformerに基づく画像超解像モデルで、4倍の画像拡大が可能

HVI-CIDNetは、新しいHVIカラースペースに基づいて設計された、低照度画像強調のための深層学習モデルです。

HVI-CIDNet は低照度画像強調のための深層学習モデルで、新しいカラースペースHVIに基づいて設計されています。

HVI-CIDNet は低照度画像強調のための深層学習モデルで、新しいカラースペース HVI に基づいて設計されています。

Swin2SRはSwinV2 Transformerベースの画像超解像モデルで、2倍の画像拡大が可能

HVI-CIDNetは低照度画像強調のための深層学習モデルで、新しいカラースペースHVIに基づいて設計されています。

Compare2Scoreは画像品質評価に使用されるモデルで、特定のアルゴリズムを通じて画像に品質スコアを付けます。

PUREは、低レベル視覚タスクを解決するためにマルチモーダル大規模言語モデル（MLLM）をバックボーンネットワークとして採用した最初のフレームワークです。

拡散モデルに基づくビデオ空間解像度向上ツールで、LTXビデオモデルが生成する潜在ビデオ表現向けに超解像トレーニングを実施

MoonViTはネイティブ解像度のビジュアルエンコーダーで、SigLIP-SO-400Mを基に初期化および継続的な事前学習を行い、画像特徴抽出タスクに適しています。

HVI-CIDNetは、低照度画像補強のためのモデルで、新しいカラースペースHVIに基づいて設計されており、低照度条件下での画質向上を目的としています。

HVI-CIDNetは低照度画像強調のための深層学習モデルで、新しいカラースペースHVIに基づいて設計されています。

Swin2SRはSwinV2 Transformerアーキテクチャに基づく画像超解像モデルで、4倍の画像拡大が可能であり、圧縮画像の超解像再構築のために特別に設計されています。

HVI-CIDNetは、新しいカラースペースHVIに基づいて設計された低照度画像補強のためのモデルです。

HVI-CIDNetは、新しいカラースペースHVIに基づいた低照度画像強調のための深層学習モデルです。

Jasper研究チームによって開発された低解像度画像のスケールアップ用ControlNetモデル

HVI-CIDNetは低照度画像強調のための深層学習モデルで、新しいカラースペースHVIに基づいて設計されています。

HVI-CIDNetは低照度画像補強のための深層学習モデルで、新しいカラースペースHVIに基づいて設計されています

MIRNetは全畳み込みニューラルネットワークで、低照度画像補強タスク向けに設計されており、マルチスケールのコンテキスト情報を融合しつつ高解像度のディテールを保持できます。

ControlNetアーキテクチャに基づく画像カラー化モデルで、白黒画像を自動的にカラー化できます

GANベースの4倍超解像画像拡大モデル、Transformers.js互換

Swin2SRアーキテクチャに基づく古典的な画像超解像度モデルで、画像解像度を2倍に向上させることができます

拡散モデルに基づくテキストガイド潜在超解像度ツールで、低解像度画像を4倍の解像度に向上可能

深度ニューラルネットワークを通じて画像固有の色調曲線を推定し、低照度画像を強化するアルゴリズム

これは漫画画像から線画を抽出するための深層学習モデルで、Hugging Face transformersライブラリと互換性があります。

OpenVisionは、マルチモーダル学習のために設計された、完全にオープンでコスト効率の高い高度な視覚エンコーダーファミリーです。

潜在拡散に基づく拡大モデルで、安定拡散で生成された画像の解像度を2倍に向上

HiT-SRは、トランスフォーマーベースの超解像手法を改善するための汎用戦略であり、既存のモデル構造を改良することで、計算負荷を低減しつつ優れた超解像性能を実現します。

Swin2SRアーキテクチャに基づく圧縮画像超解像度モデルで、画像解像度を4倍に向上

このモデルはKerasチュートリアルに基づいて訓練され、低解像度の画像を高解像度の画像に向上させることができます。

軽量なSwin2SR画像超解像度モデルで、画像解像度を2倍に向上

Swin2SRアーキテクチャに基づく古典的な画像超解像度モデルで、画像解像度を4倍に向上させることができます

OpenVisionは、完全にオープンでコストパフォーマンスに優れた先進的な視覚エンコーダファミリーで、マルチモーダル学習に焦点を当てています。

OpenVisionは完全オープンでコストパフォーマンスに優れた先進的な視覚エンコーダーファミリーで、マルチモーダル学習に焦点を当てています。

ピクセル単位分類により計算リソースを適応的に割り当てる効率的な画像超解像手法