NAFNet
1.0.0
La mise en œuvre officielle Pytorch du papier simple de référence pour la restauration d'images (ECCV2022)
Bien qu'il y ait eu des progrès importants dans le domaine de la restauration de l'image récemment, la complexité du système des méthodes de pointe (SOTA) augmente également, ce qui peut entraver l'analyse et la comparaison commode des méthodes. Dans cet article, nous proposons une simple base de référence qui dépasse les méthodes SOTA et est efficace sur le plan informatique. Pour simplifier davantage la ligne de base, nous révélons que les fonctions d'activation non linéaire, par exemple Sigmoïde, Relu, Gelu, Softmax, etc. ne sont pas nécessaires : elles pourraient être remplacées par la multiplication ou supprimé. Ainsi, nous dérivons un réseau sans activation non linéaire, à savoir NAFNET, de la ligne de base. Les résultats de SOTA sont obtenus sur divers repères difficiles, par exemple, 33,69 dB PSNR sur GoPro (pour la déblurage de l'image), dépassant la SOTA de 0,38 dB précédente avec seulement 8,4% de ses coûts de calcul; 40,30 dB PSNR sur SIDD (pour le débrotage de l'image), dépassant le SOTA de 0,28 dB précédent avec moins de la moitié de ses coûts de calcul.
 |  |  |
|---|---|---|
| Débauche | Deblur | Stéréosr (NAFSSR) |
2022.08.02 La ligne de base, y compris les modèles pré-entraînés et les configurations de train / test, est disponible maintenant.
2022.07.03 Le travail connexe, améliorant la restauration d'images en revisitant l'agrégation mondiale d'informations (TLC, alias TLSC dans notre article) est accepté par ECCV2022 ? . Le code est disponible sur https://github.com/megvii-research/tlc.
2022.07.03 Notre article est accepté par ECCV2022 ?
2022.06.19 NAFSSR (en tant que gagnant de défi) est sélectionné pour une présentation orale au CVPR 2022, NTIRE Workshop? La vidéo de présentation, les diapositives et l'affiche sont disponibles maintenant.
2022.04.15 La solution de super-résolution stéréo de la NAFNET (NAFSSR) a remporté la première place au défi de super-résolution de l'image stéréo NTIRE 2022! Instructions de formation / évaluation Voir ici.
Cette implémentation basée sur Basicsr qui est une boîte à outils open source pour les tâches de restauration d'image / vidéo et Hinet
python 3.9 .5
pytorch 1.11 .0
cuda 11.3 git clone https://github.com/megvii-research/NAFNet
cd NAFNet
pip install -r requirements.txt
python setup.py develop --no_cuda_ext
python basicsr/demo.py -opt options/test/SIDD/NAFNet-width64.yml --input_path ./demo/noisy.png --output_path ./demo/denoise_img.png
python basicsr/demo.py -opt options/test/REDS/NAFNet-width64.yml --input_path ./demo/blurry.jpg --output_path ./demo/deblur_img.png
--input_path : le chemin de l'image dégradée--output_path : le chemin pour sauver l'image prévue python basicsr/demo_ssr.py -opt options/test/NAFSSR/NAFSSR-L_4x.yml
--input_l_path ./demo/lr_img_l.png --input_r_path ./demo/lr_img_r.png
--output_l_path ./demo/sr_img_l.png --output_r_path ./demo/sr_img_r.png
--input_l_path : Le chemin de l'image gauche dégradée--input_r_path : Le chemin de l'image droite dégradée--output_l_path : le chemin pour enregistrer l'image gauche prévue--output_r_path : le chemin pour enregistrer l'image droite prévue| nom | Ensemble de données | PSNR | Ssim | modèles pré-entraînés | configuration |
|---|---|---|---|---|---|
| NAFNET-GOPRO-Width32 | Bopro | 32.8705 | 0,9606 | GDrive | 百度网盘 | Train | test |
| NAFNET-GOPRO-Width64 | Bopro | 33.7103 | 0,9668 | GDrive | 百度网盘 | Train | test |
| Nafnet-sidd-width32 | Sidd | 39.9672 | 0,9599 | GDrive | 百度网盘 | Train | test |
| Nafnet-sidd-width64 | Sidd | 40.3045 | 0,9614 | GDrive | 百度网盘 | Train | test |
| NAFNET-REDS-Width64 | Rouges | 29.0903 | 0,8671 | GDrive | 百度网盘 | Train | test |
| Nafssr-l_4x | Flickr1024 | 24.17 | 0,7589 | GDrive | 百度网盘 | Train | test |
| Nafssr-l_2x | Flickr1024 | 29.68 | 0,9221 | GDrive | 百度网盘 | Train | test |
| LE BASELING-GOPRO-Width32 | Bopro | 32.4799 | 0,9575 | GDrive | 百度网盘 | Train | test |
| Base de base-largeur 64 | Bopro | 33.3960 | 0,9649 | GDrive | 百度网盘 | Train | test |
| Baseline-sidd-width32 | Sidd | 39.8857 | 0,9596 | GDrive | 百度网盘 | Train | test |
| Base-sidd-width64 | Sidd | 40.2970 | 0,9617 | GDrive | 百度网盘 | Train | test |
| Tâche | Ensemble de données | Instructions de train / test | Résultats de la visualisation |
|---|---|---|---|
| Image déblure | Bopro | lien | GDrive | 百度网盘 |
| Image Denoising | Sidd | lien | GDrive | 百度网盘 |
| Image déblure avec les artefacts JPEG | Rouges | lien | GDrive | 百度网盘 |
| Super-résolution de l'image stéréo | Flickr1024 + middlebury | lien | GDrive | 百度网盘 |
Si NAFNET aide votre recherche ou votre travail, veuillez envisager de citer NAFNET.
@article{chen2022simple,
title={Simple Baselines for Image Restoration},
author={Chen, Liangyu and Chu, Xiaojie and Zhang, Xiangyu and Sun, Jian},
journal={arXiv preprint arXiv:2204.04676},
year={2022}
}
Si NAFSSR aide votre recherche ou votre travail, veuillez envisager de citer NAFSSR.
@InProceedings{chu2022nafssr,
author = {Chu, Xiaojie and Chen, Liangyu and Yu, Wenqing},
title = {NAFSSR: Stereo Image Super-Resolution Using NAFNet},
booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops},
month = {June},
year = {2022},
pages = {1239-1248}
}
Si vous avez des questions, veuillez contacter [email protected] ou [email protected]
