GFPGAN
v1.3.8 Release Note
私たちの仕事に興味を持ってくれてありがとう。また、Real-Esrganのアニメ画像やビデオの小さなモデルに関する新しい更新を確認することもできますか？
GFPGANは、実際の顔の修復のための実用的なアルゴリズムを開発することを目指しています。
それは、盲目の顔の修復のために、前処理された顔Gan（例えば、stylegan2）にカプセル化された豊かで多様な事前に活用します。
courlyよくある質問はFAQ.MDにあります。
更新
GFPGANが写真/プロジェクトに役立つ場合は、このレポを手伝うか、友達にお勧めしてください。ありがとう？その他の推奨プロジェクト：
[紙] [プロジェクトページ] [デモ]
Xintao Wang、Yu Li、Honglun Zhang、Ying Shan
Applied Research Center（ARC）、Tencent PCG
現在、カスタマイズされたCUDA拡張機能を必要としないGFPGANのクリーンバージョンを提供しています。
私たちの論文で元のモデルを使用する場合は、インストールについてはpapermodel.mdを参照してください。
クローンリポジトリ
git clone https://github.com/TencentARC/GFPGAN.git
cd GFPGAN従属パッケージをインストールします
# 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例としてv1.3バージョンを採用します。より多くのモデルがここにあります。
事前に訓練されたモデルをダウンロード：gfpganv1.3.pth
wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models推論！
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私たちの論文で元のモデルを使用する場合は、インストールと推論についてはpapermodel.mdを参照してください。
| バージョン | モデル名 | 説明 |
|---|---|---|
| v1.3 | gfpganv1.3.pth | v1.2に基づいています。より自然な修復結果。非常に低品質 /高品質の入力のより良い結果。 |
| v1.2 | gfpgancleanv1-noce-c2.pth | 色なし; CUDA拡張機能は必要ありません。前処理を伴うより多くのデータでトレーニングされています。 |
| V1 | gfpganv1.pth | 紙モデル、着色。 |
比較は比較されています。md。
V1.3は常にV1.2よりも優れているとは限りません。目的と入力に基づいて異なるモデルを選択する必要がある場合があります。
| バージョン | 強み | 弱点 |
|---|---|---|
| v1.3 | ✓自然な出力 ✓非常に低品質の入力の結果 ✓比較的高品質の入力で作業します ✓繰り返し（2回）修復することができます | ✗あまりシャープではありません cordentアイデンティティにわずかな変更があります |
| v1.2 | ✓よりシャープな出力 ✓ビューティーメイク付き | cuttural出力の中には不自然です |
ここでは、より多くのモデル（判別器など）を見つけることができます：[Google Drive]、または[Tencent Cloud腾讯微云]
GFPGAN（私たちの論文で使用）のトレーニングコードを提供します。
あなた自身のニーズに応じてそれを改善することができます。
ヒント
手順
（フェイスコンポーネントのランドマークを必要としない簡単なバージョン（ options/train_gfpgan_v1_simple.yml ）を試すことができます。）
データセットの準備：FFHQ
事前に訓練されたモデルやその他のデータをダウンロードします。それらをexperiments/pretrained_modelsフォルダーに入れます。
それに応じて、構成ファイルoptions/train_gfpgan_v1.ymlを変更します。
トレーニング
python -m torch.distributed.launch - nproc_per_node = 4 - master_port = 22021 gfpgan/train.py -opt options/train_gfpgan_v1.yml - launcher pytorch
GFPGANは、Apacheライセンスバージョン2.0でリリースされます。
@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}
}
質問がある場合は、 [email protected]または[email protected]にメールしてください。
