К содержимому
Изображения

Texel-4.5

быстрый 2× апскейлер текстур и фото

2 мин чтенияобновлено

Лёгкая модель на 22 млн параметров от автора TheRizzlers для двукратного увеличения разрешения изображений. Она убирает артефакты сжатия (блоки BC1/DXT, JPEG-сетку, шум) и восстанавливает мелкие детали поверхности на цветных текстурах и фотографиях. Построена на архитектуре UnshuffleSR, где основная часть вычислений идёт в половинном разрешении с последующим восстановлением через PixelShuffle. В отличие от популярного Real-ESRGAN x2plus, новинка работает в 1,35–1,5 раза быстрее, требует вдвое меньше видеопамяти и обходит конкурента по всем метрикам качества в тестах автора. Пригодится моддерам игр, 3D-художникам и всем, кто пакетно улучшает графику или фото.

Ключевые особенности

  • Высокая скорость и скромный аппетит: обработка кадра 1080p занимает 318 мс на RTX 4070 Ti SUPER и требует всего 1,19 ГБ VRAM против 2,46 ГБ у Real-ESRGAN.
  • Удобный формат ONNX: распространяется одним файлом весом 88 МБ (Texel-4.5_2x_fp32.onnx), принимает картинки любого, даже нечётного размера.
  • Чистое удаление сжатия: по замерам автора оставляет меньше всего блочных артефактов среди 9 протестированных моделей, включая SwinIR-M и HAT.
  • Открытая лицензия CC0 1.0: веса переданы в общественное достояние без ограничений на коммерческое использование.

Что можно сделать

  • Апскейл игровых текстур (albedo): прогонять старые или сжатые в BC1 игровые ассеты без необходимости писать код — модель напрямую поддерживается в нодовом редакторе chaiNNer.
  • Пакетная очистка фотографий: восстанавливать снимки после сильного сжатия JPEG q75 и убирать цифровой шум через Python и onnxruntime.
  • Увеличение бесшовных материалов: при добавлении отступа в 16 пикселей с каждой стороны перед запуском и обрезке 32 пикселей после можно масштабировать тайловые PBR-текстуры.

Пример

import numpy as np, onnxruntime as ort
from PIL import Image

sess = ort.InferenceSession("Texel-4.5_2x_fp32.onnx", providers=["CUDAExecutionProvider"])
x = (np.asarray(Image.open("in.png").convert("RGB"), np.float32) / 255.0).transpose(2, 0, 1)[None]
y = sess.run(None, {"input": x})[0][0]
out = (y.transpose(1, 2, 0).clip(0, 1) * 255 + 0.5).astype(np.uint8)
Image.fromarray(out).save("out_2x.png")
ПодробнееКачество (Texel Visual Benchmark, 444 теста): общий Visual Score 65.0 (2-е место после Texel-4.2 с 71.7; у Real-ESRGAN x2plus — 40.3), на текстурах Poly Haven — 76.8 (1-е место), PSNR — 29.26 dB.
Скорость на RTX 4070 Ti SUPER (fp16): 11 мс для 256×256, 170 мс для 1024×1024, 318 мс для 1080p (в fp32 — 818 мс).
Ограничения: работает только с RGB (альфа-канал нужно увеличивать отдельно, например через Lanczos), не подходит для карт нормалей и масок, на траве или гравии может добавлять зернистость.
Обсудить Telegram 0

Запустится ли?

Запустится в FP32

Влезает без сжатия.

  • FP32веса 0.1 GB · готовые файлы1.6 GB
  • BF16веса 0.0 GB1.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB1.5 GB
  • 4-bitвеса 0.0 GB1.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · FP32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # TheRizzlers/Texel-4.5
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download TheRizzlers/Texel-4.5 --local-dir ~/models/Texel-4.5
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Texel-4.5
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии Texel-4.5 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

TheRizzlers/Texel-4.5
Автор
TheRizzlers
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

No Bra Club

No Bra Club18+
Изображения

Jnkku Style

Jnkku Style18+