4KAgent配置指南：环境搭建与依赖安装完全手册
【免费下载链接】4KAgent[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. An intelligent computer vision agent that can magically restore any image to perfect-4K!项目地址: https://gitcode.com/gh_mirrors/4k/4KAgent
4KAgent是一款智能计算机视觉代理，能够将任何图像神奇地恢复到完美的4K分辨率。本指南将帮助您快速完成4KAgent的环境搭建与依赖安装，让您轻松体验图像超分辨率的强大功能。
硬件要求：打造高效运行环境
在开始安装4KAgent之前，请确保您的硬件满足以下要求：
- 存储空间：大于50GB的磁盘空间，用于存放代码、预训练模型以及VLM/LLM设置。
- GPU：至少2块GPU，每块GPU的显存容量不低于24GB，以支持多GPU部署。
环境设置：一步步构建专属环境
基础环境搭建
首先，我们需要创建并激活4KAgent的基础环境。打开终端，执行以下命令：
# 创建4kagent基础环境 conda create -n 4kagent python=3.10 -y conda activate 4kagent # 安装PyTorch及相关库 pip install torch==2.1.2+cu118 torchvision==0.16.2+cu118 torchaudio==2.1.2+cu118 -f https://download.pytorch.org/whl/torch_stable.html # 安装项目依赖 pip install -r installation/requirements.txt # 升级transformers库 pip install --upgrade transformers==4.49.0 # 退出当前环境 conda deactivate特定功能环境配置
4KAgent包含多个特定功能模块，需要单独配置环境：
去雾功能环境（RIDCP专用）
# 创建4kagent_dehaze环境 conda create -n 4kagent_dehaze python=3.8 -y conda activate 4kagent_dehaze # 进入RIDCP去雾工具目录 cd executor/dehazing/tools/RIDCP_dehazing # 安装PyTorch及相关库 pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117 # 安装依赖 pip install -r requirements.txt # 编译安装BASICSR扩展 BASICSR_EXT=True python setup.py develop # 返回项目根目录 cd ../../../.. # 退出环境 conda deactivate超分辨率功能环境（OSEDiff、PISASR专用）
# 创建4kagent_sr环境 conda create -n 4kagent_sr python=3.10 -y conda activate 4kagent_sr # 进入OSEDiff超分辨率工具目录 cd executor/super_resolution/tools/OSEDiff # 安装依赖 pip install -r requirements.txt # 返回项目根目录 cd ../../../.. # 退出环境 conda deactivate其他工具环境
# 创建4kagent_spec_tools环境 conda create -n 4kagent_spec_tools python=3.8 -y conda activate 4kagent_spec_tools # 安装特定工具依赖 pip install -r installation/spec_tools_requirements.txt # 安装mamba-ssm pip install mamba-ssm # 安装maxim工具 cd executor/dehazing/tools/maxim pip install . cd ../../../.. # 安装NAFNet工具 cd executor/denoising/tools/NAFNet python setup.py develop --no_cuda_ext cd ../../../.. # 退出环境 conda deactivate完成以上步骤后，重新激活基础环境：
conda activate 4kagent4KAgent框架解析
4KAgent的框架设计精妙，包含多个关键模块，协同工作实现图像的超分辨率恢复。
上图展示了4KAgent的核心框架，包括Profile Module、Perception Agent和Restoration Agent等部分。Profile Module用于设置图像恢复的参数和偏好；Perception Agent负责图像分析和退化原因推理，生成恢复计划；Restoration Agent则执行具体的恢复任务，如超分辨率、去噪、人脸修复等。
工具与感知模型部署：让4KAgent动起来
创建符号链接
为避免不同退化类型的共享模型仓库重复存储，我们使用符号链接：
bash installation/tools_sym_links.sh下载预训练模型 checkpoint
我们通过Hugging Face和Google Drive提供所需的预训练模型 checkpoint。对于Google Drive，您可以使用gdown下载：
# 安装gdown pip install gdown # 下载模型压缩包 python -m gdown 1cX1n_zFFteX6_1NeVtoitUi-A_azl7jD # 解压 tar -xzvf 4KAgent_toolbox_pretrained_ckpts.tar.gz # 删除压缩包 rm -rf 4KAgent_toolbox_pretrained_ckpts.tar.gz # 复制 landmark detection 模型到旧照片修复工具目录 cp pretrained_ckpts/BOBL/Face_Detection/shape_predictor_68_face_landmarks.dat executor/old_photo_restoration/tools/BOBL/Face_Detection/ # 复制 bpe_simple_vocab_16e6.txt.gz 到指定目录 cp pretrained_ckpts/hpsv2/bpe_simple_vocab_16e6.txt.gz utils/clib_fiqa/model/ cp pretrained_ckpts/hpsv2/bpe_simple_vocab_16e6.txt.gz $(python -c "import hpsv2, os; print(os.path.join(os.path.dirname(hpsv2.__file__), 'src/open_clip'))") # 复制 FourierDiff 的 checkpoint cp pretrained_ckpts/FourierDiff/ckpts executor/brightening/tools/FourierDiff/guided_diffusion/下载完成后，将其解压到项目根目录。
验证工具设置
为验证所有恢复工具是否正确安装和运行，执行以下测试。此测试将确认每个恢复模型是否能在您的环境中正常运行：
CUDA_VISIBLE_DEVICES=0 python -m test_tool.test_tool部署DepictQA
DepictQA是4KAgent的重要组成部分，用于图像质量评估。部署步骤如下：
- 运行以下命令准备代码：
sh installation/deploy_depictqa.sh- 进入DepictQA目录并创建环境：
cd ./DepictQA conda create -n depictqa python=3.10 -y conda activate depictqa pip install -r requirements.txt pip install "huggingface_hub[cli]" gdown- 下载权重文件：
cd ./weights/ # 下载预训练ViT模型 wget "https://openaipublic.azureedge.net/clip/models/b8cca3fd41ae0c99ba7e8951adf17d267cdb84cd88be6f7c2e0eca1737a03836/ViT-L-14.pt" # 下载预训练Vicuna模型 huggingface-cli download "lmsys/vicuna-7b-v1.5" --local-dir "./vicuna-7b-v1.5" # 下载DepictQA-Wild的delta权重 huggingface-cli download "zhiyuanyou/DepictQA2-DQ495K" --local-dir "./DepictQA2-DQ495K" mv ./DepictQA2-DQ495K/ckpt.pt ./delta/DQ495K.pt # 下载微调的delta权重 gdown 1o-PN1iXctWl62Tdb8fZs1eD1Ehv6HBMh -O ./delta mv ./delta/deltao_fk_5sj.part ./delta/degra_eval.pt- 启动DepictQA进行评估：
cd ./DepictQA conda activate depictqa CUDA_VISIBLE_DEVICES=0 python src/app_eval.py CUDA_VISIBLE_DEVICES=0 python src/app_comp.py超分辨率效果展示
4KAgent的超分辨率功能能够显著提升图像质量，让低分辨率图像变得清晰锐利。
上图展示了超分辨率处理前后的图像对比，左侧为低分辨率输入，右侧为4KAgent处理后的高分辨率输出。可以看到，处理后的图像细节更加丰富，纹理更加清晰。
总结
通过本指南，您已经完成了4KAgent的环境搭建与依赖安装。现在，您可以开始探索4KAgent的强大功能，将各种图像恢复到完美的4K分辨率。如果在使用过程中遇到任何问题，请参考项目中的官方文档或寻求社区支持。
希望4KAgent能为您的图像恢复工作带来便利和惊喜！ 🚀
【免费下载链接】4KAgent[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. An intelligent computer vision agent that can magically restore any image to perfect-4K!项目地址: https://gitcode.com/gh_mirrors/4k/4KAgent
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
