منصوبے کے بارے میں

SparkVSR ایک ECCV 2026 تحقیقی پروجیکٹ ہے جو انٹرایکٹو ویڈیو سپر ریزولوشن کے لیے ہے۔ بحالی کو یک طرفہ بلیک باکس عمل سمجھنے کے بجائے، یہ ویرل ہائی ریزولوشن کی فریموں کو صارف کے قابل کنٹرول سگنل کے طور پر استعمال کرتا ہے۔ ماڈل ان کی فریموں سے بصری معلومات کو ویڈیو میں پھیلاتا ہے جبکہ اصل کم ریزولوشن موشن میں بنیاد رکھتا ہے۔ یہ طریقہ CogVideoX1.5-5B-I2V پر مبنی کی فریم کنڈیشنڈ، لیٹنٹ سے پکسل تک دو مرحلے کی تربیتی پائپ لائن استعمال کرتا ہے۔ مرحلہ 1 لیٹنٹ اسپیس کی فریم کنڈیشنڈ موافقت کرتا ہے، اور مرحلہ 2 پکسل اسپیس تفصیل کی تطہیر کرتا ہے۔ ریپوزٹری انفرنس اور تربیتی کوڈ، Hugging Face پر مرحلہ 1 اور مرحلہ 2 کے وزن، ڈیٹاسیٹ تیاری کے اسکرپٹس، بینچ مارک ہدایات، اور ComfyUI نفاذ فراہم کرتی ہے۔ انفرنس تین حوالہ موڈ پیش کرتا ہے۔ API موڈ بحال شدہ کی فریموں کو پیدا کرنے کے لیے fal-ai/nano-banana-pro/edit اینڈ پوائنٹ استعمال کر سکتا ہے۔ PiSA-SR موڈ کی فریم جنریٹر کے طور پر علیحدہ اوپن سورس PiSA-SR پروجیکٹ استعمال کرتا ہے۔ بغیر حوالہ موڈ بیرونی کی فریموں کے بغیر اندھی بحالی کرتا ہے اور بنیادی طور پر فال بیک یا بیس لائن کے طور پر پیش کیا جاتا ہے۔ صارف کی فریم انڈیکس، حوالہ رہنمائی کی طاقت، اور 4x اپ اسکیل فیکٹر سیٹ کر سکتے ہیں۔ دستاویزات نوٹ کرتی ہیں کہ حوالہ انڈیکس چار فریموں سے زیادہ فاصلے پر ہونے چاہئیں اور بہت چھوٹے کلپس کے لیے صرف پہلا فریم استعمال کرنے کی سفارش کرتی ہے۔ README لچکدار کی فریم انتخاب کے لیے سپورٹ کی اطلاع دیتا ہے، بشمول دستی انتخاب، کوڈیک I-فریم نکالنا، اور بے ترتیب نمونہ لینا۔ یہ ایک رہنمائی میکانزم بھی بیان کرتا ہے جو فراہم کردہ کی فریموں کی پابندی کو اندھی بحالی کے ساتھ متوازن کرتا ہے جب حوالے غائب یا نامکمل ہوں۔ مصنفین معیاری سپر ریزولوشن سے ہٹ کر پرانی فلم کی بحالی اور ویڈیو اسٹائل ٹرانسفر جیسے کاموں پر اس طریقے کا مظاہرہ کرتے ہیں۔ سیٹ اپ کے لیے Python 3.10 یا نیا، PyTorch 2.5 یا نیا، Diffusers، اور requirements.txt میں درج پیکیجز درکار ہیں۔ تربیت چار A100 GPUs کے لیے دستاویز کی گئی ہے۔ تربیتی ڈیٹا رہنمائی HQ-VSR اور DIV2K-HR کا احاطہ کرتی ہے، جبکہ تشخیصی رہنمائی UDM10، SPMCS، YouHQ40، RealVSR، اور MovieLQ کا احاطہ کرتی ہے۔ متحد تشخیصی اسکرپٹ بیرونی DOVER اور FastVQA/FasterVQA تنصیبات استعمال کر سکتا ہے، نتائج JSON میں لکھے جاتے ہیں۔ صرف مرحلہ 2 کا چیک پوائنٹ حتمی انفرنس کے لیے ہے۔