基于 GAN 的超分辨率处理方案，AuraSR 一键增强图像分辨率

AuraSR 是一款基于深度学习的图片高清修复模型，是 GigaGAN 论文中的一种变体：基于 GAN 的超分辨率处理方案，能够智能识别图片中的细节信息，并在放大图片的同时，自动补充缺失的细节。与传统的图片放大方法相比，AuraSR 不仅效果更加出色，而且操作简便，无需专业技能即可轻松上手。

AuraSR 不仅能够处理自然景观、人物肖像，还能处理艺术作品，提升整体的视觉体验。

使用云平台：OpenBayes

http://openbayes.com/console/signup?r=sony_0m6v

登录到 OpenBayes 平台后，打开「公共教程」，找到「AuraSR 基于 GAN 的超分辨率图像放大 Demo」的教程。

进入教程后，点击右上角「克隆」。

平台在克隆过程中会自动为容器绑定所需要的数据，不需要我们再手动配置，直接点击「下一步：选择算力」。

平台会自动选配合适的算力资源和镜像版本，这里使用的是英伟达 RTX 4090 的算力和 PyTorch 的镜像，别忘了使用文章开头的邀请链接，get 免费时长！选择好后，点击「下一步：审核」即可。

确认无误后，点击「继续执行」。

系统分配资源完成后，待状态显示为「运行中」后，将鼠标悬停在 API 地址处，点击链接进入模型。使用 API 需要进行现进行实名认证~

我们选择一个样例进行测试，点击「Upscale lmage」开始。

通过对比修复前后的图片，可以看出模型的图片修复能力还是很强的。