EnlightenGAN

Enlightengan: Mejora de la luz profunda sin supervisión emparejada

Yifan Jiang, Xinyu Gong, Ding Liu, Yu Cheng, Chen Fang, Xiaohui Shen, Jiancao Yang, Pan Zhou, Zhangyang Wang

[Documento] [Materiales complementarios]

Resultados representativos

Arquitectura excesiva

Medio ambiente Preparación

 python3.5

Debe preparar al menos 3 GPU 1080TI o cambiar el tamaño del lote.

pip install -r requirement.txt
mkdir model
Descargue el modelo VGG pretranado de [Google Drive 1], y luego póngalo en el model de directorio.

Proceso de capacitación

Antes de comenzar el proceso de capacitación, debe lanzar el visdom.server para visualizar.

nohup python -m visdom.server -port=8097

Luego ejecute el siguiente comando

python scripts/script.py --train

Proceso de prueba

Descargue el modelo previamente y póngalo en ./checkpoints/enlightening

Crear directorios ../test_dataset/testA y ../test_dataset/testB . Pon sus imágenes de prueba en ../test_dataset/testA (y debe mantener cualquier imagen en ../test_dataset/testB para asegurarse de que el programa pueda comenzar).

Correr

python scripts/script.py --predict

Preparación del conjunto de datos

Datos de capacitación [Google Drive] (imágenes no apareadas recopiladas de múltiples conjuntos de datos)

Datos de prueba [Google Drive] (incluyendo Lime, MEF, NPE, VV, DICP)

¡Y [Baiduyun] está disponible ahora gracias a @yhlelaine!

Inferencia más rápida

https://github.com/arsenyinfo/enlightengan-inference de @arsenyinfo

Si encuentra este trabajo útil para usted, por favor cita

 @article{jiang2021enlightengan,
  title={Enlightengan: Deep light enhancement without paired supervision},
  author={Jiang, Yifan and Gong, Xinyu and Liu, Ding and Cheng, Yu and Fang, Chen and Shen, Xiaohui and Yang, Jianchao and Zhou, Pan and Wang, Zhangyang},
  journal={IEEE Transactions on Image Processing},
  volume={30},
  pages={2340--2349},
  year={2021},
  publisher={IEEE}
}