使用更大规模的数据训练，会有更好的效果吗？

[rainsoulsrx]

你好，如题，请问有没有做过这样的实验，使用更大量级的训练集训练的话，会有更加显性的结果吗？和后面开源的supir相比，想知道supir的效果更多的是数据的贡献还是整体架构的贡献

[0x3f3f3f3fun]

你好，SUPIR我不是很了解，你可以询问SUPIR的作者来获取准确的回答~。关于DiffBIR，我们昨天更新了一版模型，训练数据用的是过滤（比较粗糙）之后的laion2b-en的子集，总共1500w张高清图片，但是效果没有SUPIR那么明显的提升，我觉得原因可能是：1）SD v2.1的生成能力有限 2）数据集不完整，存在bias，后续需要再仔细调整一下。

[rainsoulsrx]

你好，SUPIR我不是很了解，你可以询问SUPIR的作者来获取准确的回答~。关于DiffBIR，我们昨天更新了一版模型，训练数据用的是过滤（比较粗糙）之后的laion2b-en的子集，总共1500w张高清图片，但是效果没有SUPIR那么明显的提升，我觉得原因可能是：1）SD v2.1的生成能力有限 2）数据集不完整，存在bias，后续需要再仔细调整一下。

感谢你的回复，期待后面调整分析的结论，感恩！！

[rainsoulsrx]

你好，SUPIR我不是很了解，你可以询问SUPIR的作者来获取准确的回答~。关于DiffBIR，我们昨天更新了一版模型，训练数据用的是过滤（比较粗糙）之后的laion2b-en的子集，总共1500w张高清图片，但是效果没有SUPIR那么明显的提升，我觉得原因可能是：1）SD v2.1的生成能力有限 2）数据集不完整，存在bias，后续需要再仔细调整一下。

supir的作者一直没有回复我o(╥﹏╥)o所以更加感谢你的回复~~！！

[rainsoulsrx]

你好，SUPIR我不是很了解，你可以询问SUPIR的作者来获取准确的回答~。关于DiffBIR，我们昨天更新了一版模型，训练数据用的是过滤（比较粗糙）之后的laion2b-en的子集，总共1500w张高清图片，但是效果没有SUPIR那么明显的提升，我觉得原因可能是：1）SD v2.1的生成能力有限 2）数据集不完整，存在bias，后续需要再仔细调整一下。

你好，我想问下这1500w张高清图片时如何使用的呢，加入原图的尺寸比较大，假设是6000*4000，那么是将全图reszie之后，再crop成512的分辨率吗，还是说，全图的尺寸不做缩放，直接在其中随机crop出来512分辨率的小块进行训练呢？

[CuddleSabe]

你好，SUPIR我不是很了解，你可以询问SUPIR的作者来获取准确的回答~。关于DiffBIR，我们昨天更新了一版模型，训练数据用的是过滤（比较粗糙）之后的laion2b-en的子集，总共1500w张高清图片，但是效果没有SUPIR那么明显的提升，我觉得原因可能是：1）SD v2.1的生成能力有限 2）数据集不完整，存在bias，后续需要再仔细调整一下。

你好，我想问下这1500w张高清图片时如何使用的呢，加入原图的尺寸比较大，假设是6000*4000，那么是将全图reszie之后，再crop成512的分辨率吗，还是说，全图的尺寸不做缩放，直接在其中随机crop出来512分辨率的小块进行训练呢？

看论文是crop 512，感觉他们的数据集尺寸不会太大，所以没有crop之后无实际语义的情况。
我这边在1.5上训练了他们的zerosft和zero cross attn，相比于普通的controlnet还是有很大提升的

[0x3f3f3f3fun]

你好，SUPIR我不是很了解，你可以询问SUPIR的作者来获取准确的回答~。关于DiffBIR，我们昨天更新了一版模型，训练数据用的是过滤（比较粗糙）之后的laion2b-en的子集，总共1500w张高清图片，但是效果没有SUPIR那么明显的提升，我觉得原因可能是：1）SD v2.1的生成能力有限 2）数据集不完整，存在bias，后续需要再仔细调整一下。

你好，我想问下这1500w张高清图片时如何使用的呢，加入原图的尺寸比较大，假设是6000*4000，那么是将全图reszie之后，再crop成512的分辨率吗，还是说，全图的尺寸不做缩放，直接在其中随机crop出来512分辨率的小块进行训练呢？

你好。我们是直接随机裁剪512的patch来训练的，使用的函数是random_crop_arr，将min_crop_frac设置为0.7。不过我们训练集的图片都没有到6000*4000这个级别，大部分应该是1000左右，所以crop出来的图像还是有一定内容的。如果图片特别大的话，直接裁剪512的patch可能语义信息比较弱，不能充分使用SD的生成能力（猜测，未经实验验证）。

[rainsoulsrx]

你好，SUPIR我不是很了解，你可以询问SUPIR的作者来获取准确的回答~。关于DiffBIR，我们昨天更新了一版模型，训练数据用的是过滤（比较粗糙）之后的laion2b-en的子集，总共1500w张高清图片，但是效果没有SUPIR那么明显的提升，我觉得原因可能是：1）SD v2.1的生成能力有限 2）数据集不完整，存在bias，后续需要再仔细调整一下。

你好，我想问下这1500w张高清图片时如何使用的呢，加入原图的尺寸比较大，假设是6000*4000，那么是将全图reszie之后，再crop成512的分辨率吗，还是说，全图的尺寸不做缩放，直接在其中随机crop出来512分辨率的小块进行训练呢？

你好。我们是直接随机裁剪512的patch来训练的，使用的函数是random_crop_arr，将min_crop_frac设置为0.7。不过我们训练集的图片都没有到6000*4000这个级别，大部分应该是1000左右，所以crop出来的图像还是有一定内容的。如果图片特别大的话，直接裁剪512的patch可能语义信息比较弱，不能充分使用SD的生成能力（猜测，未经实验验证）。

那比如说我从一些网站上下载了很多高质量图，比如pexels之类的，图像原本的分辨率都是很大的单反图，这种图像，怎样利用才能发挥出更大的价值呢。

[rainsoulsrx]

还有个疑问是，网络上的高清数据，如果是单反相机拍摄的话，就会存在很多背景虚化的图像，这种图像，是不是也不应该包含在训练集中，会影响到模型的学习

[CuddleSabe]

还有个疑问是，网络上的高清数据，如果是单反相机拍摄的话，就会存在很多背景虚化的图像，这种图像，是不是也不应该包含在训练集中，会影响到模型的学习

你可以自己实验一下，我是用diffusers复现然后8*a100自训的sd1.5版本supir。数据集大概30m左右，很多单反的背景模糊图像。初期在1.5w次iter之前是会有部分部位模糊的现象，但是到1.5w之后整个模型就收敛了，不会出现局部模糊的情况

贴一个效果图

[rainsoulsrx]

还有个疑问是，网络上的高清数据，如果是单反相机拍摄的话，就会存在很多背景虚化的图像，这种图像，是不是也不应该包含在训练集中，会影响到模型的学习

你可以自己实验一下，我是用diffusers复现然后8*a100自训的sd1.5版本supir。数据集大概30m左右，很多单反的背景模糊图像。初期在1.5w次iter之前是会有部分部位模糊的现象，但是到1.5w之后整个模型就收敛了，不会出现局部模糊的情况

贴一个效果图

你也是从原始图像中，随机裁剪出512的区域训练吗，基本能保证每次裁剪都包含图像的主体部分对吗？

[CuddleSabe]

还有个疑问是，网络上的高清数据，如果是单反相机拍摄的话，就会存在很多背景虚化的图像，这种图像，是不是也不应该包含在训练集中，会影响到模型的学习

你可以自己实验一下，我是用diffusers复现然后8*a100自训的sd1.5版本supir。数据集大概30m左右，很多单反的背景模糊图像。初期在1.5w次iter之前是会有部分部位模糊的现象，但是到1.5w之后整个模型就收敛了，不会出现局部模糊的情况
贴一个效果图

你也是从原始图像中，随机裁剪出512的区域训练吗，基本能保证每次裁剪都包含图像的主体部分对吗？

我是剔除掉0.5<长宽比<2的图像，然后最短边resize到512，再crop出512大小

[rainsoulsrx]

还有个疑问是，网络上的高清数据，如果是单反相机拍摄的话，就会存在很多背景虚化的图像，这种图像，是不是也不应该包含在训练集中，会影响到模型的学习

你可以自己实验一下，我是用diffusers复现然后8*a100自训的sd1.5版本supir。数据集大概30m左右，很多单反的背景模糊图像。初期在1.5w次iter之前是会有部分部位模糊的现象，但是到1.5w之后整个模型就收敛了，不会出现局部模糊的情况

你也是从原始图像中，随机裁剪出512的区域训练吗，基本能保证每次裁剪都包含图像的主体部分对吗？

我是剔除掉0.5<长宽比<2的图像，然后最短边resize到512，再crop出512大小

这样的话，在reszie的过程中，其是会损失掉原图的细节吧，比如原始图像分辨率4k*6k，在reszie之后就会损失掉很多了，这样训练出来的模型生成效果的上限降低了吧

[CuddleSabe]

还有个疑问是，网络上的高清数据，如果是单反相机拍摄的话，就会存在很多背景虚化的图像，这种图像，是不是也不应该包含在训练集中，会影响到模型的学习

你可以自己实验一下，我是用diffusers复现然后8*a100自训的sd1.5版本supir。数据集大概30m左右，很多单反的背景模糊图像。初期在1.5w次iter之前是会有部分部位模糊的现象，但是到1.5w之后整个模型就收敛了，不会出现局部模糊的情况

你也是从原始图像中，随机裁剪出512的区域训练吗，基本能保证每次裁剪都包含图像的主体部分对吗？

我是剔除掉0.5<长宽比<2的图像，然后最短边resize到512，再crop出512大小

这样的话，在reszie的过程中，其是会损失掉原图的细节吧，比如原始图像分辨率4k*6k，在reszie之后就会损失掉很多了，这样训练出来的模型生成效果的上限降低了吧

重要的是保持结构一致性，保持训练和推理的分布一直。你想一想用户输入哪里会有给4k*6k的图像做supir修复的

[rainsoulsrx]

还有个疑问是，网络上的高清数据，如果是单反相机拍摄的话，就会存在很多背景虚化的图像，这种图像，是不是也不应该包含在训练集中，会影响到模型的学习

你可以自己实验一下，我是用diffusers复现然后8*a100自训的sd1.5版本supir。数据集大概30m左右，很多单反的背景模糊图像。初期在1.5w次iter之前是会有部分部位模糊的现象，但是到1.5w之后整个模型就收敛了，不会出现局部模糊的情况

你也是从原始图像中，随机裁剪出512的区域训练吗，基本能保证每次裁剪都包含图像的主体部分对吗？

我是剔除掉0.5<长宽比<2的图像，然后最短边resize到512，再crop出512大小

这样的话，在reszie的过程中，其是会损失掉原图的细节吧，比如原始图像分辨率4k*6k，在reszie之后就会损失掉很多了，这样训练出来的模型生成效果的上限降低了吧

重要的是保持结构一致性，保持训练和推理的分布一直。你想一想用户输入哪里会有给4k*6k的图像做supir修复的

但是用户还是有可能输入一个1024*1024的图，做修复的，如果训练的时候按照短边512 reszie了的话，那么模型生成的上限就被限制在1024之下了，如果输入1024的图做修复，效果会打折扣

[CuddleSabe]

限制在1024之下了，如果输入1024的图做修复，效果会打折

supir也是512训练的，只是original_size指定为1024来作为额外的embedding，而我们公司有我们自己的技术可以512训练1024生成

[rainsoulsrx]

限制在1024之下了，如果输入1024的图做修复，效果会打折

supir也是512训练的，只是original_size指定为1024来作为额外的embedding，而我们公司有我们自己的技术可以512训练1024生成

厉害~感谢讨论~~

[coolKeen]

你好，SUPIR我不是很了解，你可以询问SUPIR的作者来获取准确的回答~。关于DiffBIR，我们昨天更新了一版模型，训练数据用的是过滤（比较粗糙）之后的laion2b-en的子集，总共1500w张高清图片，但是效果没有SUPIR那么明显的提升，我觉得原因可能是：1）SD v2.1的生成能力有限 2）数据集不完整，存在bias，后续需要再仔细调整一下。

感谢你的回复，期待后面调整分析的结论，感恩！！

哥，这1500w张图片的图片名有不，方便提供下不～