Upscale qwen21
最适合初学者。强大的工作流程，学习曲线低。
创建视频、图像、自定义聊天角色等。
从任何浏览器或手机浏览模型、渲染和优化。
将 Vector 添加到你的服务器或加入 Vector Discord。创造任何东西！
图像和视频编辑器：在同一页面渲染、编辑、放大等。
如果你的电脑硬件够好，可以安装本地程序。
一次在多达50个检查点/基础模型上生成相同的提示。
A simple port of a Qwen 2.1 based image upscaling workflow, which upscales the image to 2x by default but can be adjusted with the scale parameter. You can also adjust the guidance factor away from 1.0 to a slightly higher value such as 2.0 to get more (and newer inferred) detail, though keep in mind that guidance != 1 will increase inference time (roughly doubling it). Keep in mind that since this is effectively running the image through a diffusion model for regeneration, some original details might be changed regardless of the CFG/Guidance setting. Diffusion/generative upscaling is more of…A simple port of a Qwen 2.1 based image upscaling workflow, which upscales the image to 2x by default but can be adjusted with the scale parameter. You can also adjust the guidance factor away from 1.0 to a slightly higher value such as 2.0 to get more (and newer inferred) detail, though keep in mind that guidance != 1 will increase inference time (roughly doubling it). Keep in mind that since this is effectively running the image through a diffusion model for regeneration, some original details might be changed regardless of the CFG/Guidance setting. Diffusion/generative upscaling is more of a "Recreate the image with higher quality and at a higher resolution using the reference image as extreme inspiration", if extreme precision is necessary than a different non-generative upscaling workflow might be a better choice. It uses a hardcoded upscale prompt, but can be adjusted with slot1 if deemed to be really necessary. The included prompt attempts to get Qwen to remove any watermarks from the image, which might be one case where an override is warranted (if the watermark being removed is important to your image).
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
