الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

  1. ؟ تم تحديثه عبر الإنترنت :. ها هي النسخ الاحتياطي.
  2. ؟ تم تحديثه عبر الإنترنت:
  3. COLAB DEMO لـ GFPGAN ؛ (عرض آخر كولاب لنموذج الورق الأصلي)

شكرا لمصلحتك في عملنا. قد ترغب أيضًا في التحقق من تحديثاتنا الجديدة على النماذج الصغيرة لصور الأنيمي ومقاطع الفيديو في real-eSrgan ؟

يهدف GFPGAN إلى تطوير خوارزمية عملية لاستعادة الوجه في العالم الحقيقي .
إنه يعزز من البريرين الغنيين والمتنوعين المغطاة في الوجه المسبق GAN ( على سبيل المثال ، Stylegan2) لاستعادة الوجه الأعمى.

❓ يمكن العثور على الأسئلة المتداولة في الأسئلة الشائعة.

التحديثات

إذا كان GFPGAN مفيدًا في صورك/مشاريعك ، فيرجى المساعدة في هذا الريبو أو التوصية به لأصدقائك. شكرًا؟ المشاريع الموصى بها الأخرى:
▶ real-esrgan: خوارزمية عملية لاستعادة الصورة العامة
▶ BASICSR: صندوق أدوات استعادة الصور والفيديو مفتوح المصدر
▶ Facexlib: مجموعة توفر وظائف متعلقة بالوجه مفيدة
▶ HANYVIEW: عارض صور قائم على PYQT5 مفيد للعرض والمقارنة

GFP-GAN: نحو استعادة الوجه الأعمى في العالم الحقيقي مع الوجه التوليدي قبل

[ورقة] [صفحة المشروع] [العرض التوضيحي]
Xintao Wang ، Yu Li ، Honglun Zhang ، Ying Shan
مركز الأبحاث التطبيقية (ARC) ، Tencent PCG

؟ التبعيات والتركيب

تثبيت

نحن الآن نقدم نسخة نظيفة من GFPGAN ، والتي لا تتطلب امتدادات CUDA مخصصة.
إذا كنت ترغب في استخدام النموذج الأصلي في ورقتنا ، فيرجى الاطلاع على papermodel.md للتثبيت.

  1. استنساخ repo 

    git clone https://github.com/TencentARC/GFPGAN.git
cd GFPGAN

  2. تثبيت الحزم المعتمدة 

     # Install basicsr - https://github.com/xinntao/BasicSR
# We use BasicSR for both training and inference
pip install basicsr

# Install facexlib - https://github.com/xinntao/facexlib
# We use face detection and face restoration helper in the facexlib package
pip install facexlib

pip install -r requirements.txt
python setup.py develop

# If you want to enhance the background (non-face) regions with Real-ESRGAN,
# you also need to install the realesrgan package
pip install realesrgan

⚡ الاستدلال السريع

نأخذ إصدار V1.3 للحصول على مثال. يمكن العثور على المزيد من النماذج هنا.

قم بتنزيل النماذج التي تم تدريبها مسبقًا: gfpganv1.3.pth 

wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models

الاستدلال! 

python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2
 Usage: python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2 [options]...

  -h                   show this help
  -i input             Input image or folder. Default: inputs/whole_imgs
  -o output            Output folder. Default: results
  -v version           GFPGAN model version. Option: 1 | 1.2 | 1.3. Default: 1.3
  -s upscale           The final upsampling scale of the image. Default: 2
  -bg_upsampler        background upsampler. Default: realesrgan
  -bg_tile             Tile size for background sampler, 0 for no tile during testing. Default: 400
  -suffix              Suffix of the restored faces
  -only_center_face    Only restore the center face
  -aligned             Input are aligned faces
  -ext                 Image extension. Options: auto | jpg | png, auto means using the same extension as inputs. Default: auto

إذا كنت ترغب في استخدام النموذج الأصلي في ورقتنا ، فيرجى الاطلاع على papermodel.md للتثبيت والاستدلال.

؟ طراز حديقة الحيوان

إصدار اسم النموذج وصف
v1.3 GFPGANV1.3.PTH على أساس v1.2 ؛ المزيد من نتائج الاستعادة الطبيعية ؛ نتائج أفضل على المدخلات منخفضة الجودة / عالية الجودة.
v1.2 GFPGANCLEANV1-NOCE-C2.PTH لا لون لا يلزم امتدادات CUDA. تدرب مع المزيد من البيانات مع المعالجة المسبقة.
V1 GFPGANV1.PTH نموذج الورق ، مع اللون.

المقارنات هي في المقارنات.

لاحظ أن v1.3 ليس دائمًا أفضل من V1.2. قد تحتاج إلى تحديد نماذج مختلفة بناءً على هدفك والمدخلات.

إصدار نقاط القوة نقاط الضعف
v1.3 ✓ المخرجات الطبيعية
✓ BEBETRED على مدخلات منخفضة الجودة
✓ العمل على مدخلات عالية الجودة نسبيا
✓ يمكن أن يكون لها ترميمات متكررة (مرتين)		 ✗ ليست حادة جدا
✗ لديك تغيير طفيف على الهوية
v1.2 ✓ إخراج أكثر وضوحا
✓ مع مكياج الجمال		 ✗ بعض المخرجات غير طبيعية

يمكنك العثور على المزيد من النماذج (مثل التمييزات) هنا: [Google Drive] ، أو [Tencent Cloud 腾讯微云]

تمرين

نحن نقدم رموز التدريب لـ GFPGAN (المستخدمة في ورقتنا).
يمكنك تحسينه وفقًا لاحتياجاتك الخاصة.

نصائح

  1. يمكن لوجوه أكثر جودة عالية تحسين جودة الاستعادة.
  2. قد تحتاج إلى أداء بعض المعالجة المسبقة ، مثل مكياج الجمال.

إجراءات

(يمكنك تجربة إصدار بسيط ( options/train_gfpgan_v1_simple.yml ) لا يتطلب معالم مكون الوجه.)

  1. إعداد مجموعة البيانات: FFHQ

  2. قم بتنزيل النماذج التي تم تدريبها مسبقًا والبيانات الأخرى. ضعها في مجلد experiments/pretrained_models .

    1. نموذج stylegan2 مسبقًا: stylegan2_512_cmul1_ffhq_b12g4_scratch_800k.pth
    2. مواقع مكون من FFHQ: FFHQ_EEEE_MOUTH_LANDMARKS_512
    3. نموذج ARCFACE بسيط: ARCFACE_RESNET18.PTH

  3. قم بتعديل options/train_gfpgan_v1.yml وفقًا لذلك.

  4. تمرين

Python -M Torch.distributed.launch -nproc_per_node = 4 -master_port = 22021 GFPGAN/Train.py -Opt Option

الترخيص والاعتراف

يتم إصدار GFPGAN بموجب إصدار ترخيص Apache 2.0.

bibtex 

 @InProceedings{wang2021gfpgan,
    author = {Xintao Wang and Yu Li and Honglun Zhang and Ying Shan},
    title = {Towards Real-World Blind Face Restoration with Generative Facial Prior},
    booktitle={The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
    year = {2021}
}

؟ اتصال

إذا كان لديك أي سؤال ، فيرجى إرسال بريد إلكتروني [email protected] أو [email protected] .

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل