NAFNetダウンロードNAFNetソースコードのダウンロード

NAFNet

パイソン

1.0.0

ダウンロード

NAFNET：画像修復のための非線形アクティベーションフリーネットワーク

画像修復のための紙の単純なベースラインの公式Pytorchの実装（ECCV2022）

Liangyu Chen、Xiaojie Chu、Xiangyu Zhang、Jian Sun

最近、画像修復の分野に大きな進歩がありましたが、最先端（SOTA）メソッドのシステムの複雑さも増加しており、便利な分析と方法の比較を妨げる可能性があります。この論文では、SOTAメソッドを超えて計算上効率的な簡単なベースラインを提案します。ベースラインをさらに簡素化するために、非線形活性化関数、例えばシグモイド、relu、gelu、softmaxなどが必要ではないことを明らかにします。したがって、ベースラインから非線形活性化フリーネットワーク、つまりNAFNETを導出します。 SOTAの結果は、GOPROの33.69 dB PSNR（画像の脱生用）で、以前のSOTA 0.38 dBを超えて計算コストのわずか8.4％を超えて、さまざまな挑戦的なベンチマークで達成されます。 SIDDで40.30 dB PSNR（画像除去用）。これは、計算コストの半分未満で以前のSOTA 0.28 dBを超えています。


デノワーズ	deblur	Stereosr（nafssr）

psnr_vs_macs

ニュース

2022.08.02事前に保護されたモデルや列車/テストの構成を含むベースラインは、現在利用可能です。

2022.07.03関連する作業、グローバル情報集約の再検討による画像修復の改善（TLC、別名TLSCの論文）はECCV2022によって受け入れられていますか？。コードはhttps://github.com/megvii-research/tlcで入手できます。

2022.07.03私たちの論文はECCV2022によって受け入れられていますか？

2022.06.19 NAFSSR（チャレンジ勝者として）は、NTIREワークショップのCVPR 2022での口頭発表に選ばれましたか？プレゼンテーションビデオ、スライド、ポスターが利用可能になりました。

2022.04.15 NAFNETベースのステレオイメージスーパー解像度ソリューション（NAFSSR）は、NTIRE 2022ステレオイメージスーパー解像度チャレンジで1位を獲得しました。トレーニング/評価の手順はこちらをご覧ください。

インストール

画像/ビデオの修復タスクとHinetのオープンソースツールボックスであるBasicsRに基づくこの実装

 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

クイックスタート

画像denoise colabデモ：
画像deblur colabデモ：
ステレオイメージスーパー解像度コラブデモ：
単一画像推論デモ：
- 画像denoise：
```
 python basicsr/demo.py -opt options/test/SIDD/NAFNet-width64.yml --input_path ./demo/noisy.png --output_path ./demo/denoise_img.png
```
- 画像deblur：
```
 python basicsr/demo.py -opt options/test/REDS/NAFNet-width64.yml --input_path ./demo/blurry.jpg --output_path ./demo/deblur_img.png
```
- --input_path ：劣化した画像のパス
- --output_path ：予測された画像を保存するパス
- 事前に保護されたモデルをダウンロードする必要があります。
- ハギングフェイススペースに統合されていますか？グラデーションの使用。単一の画像修復のためにWebデモを試してください
ステレオ画像推論デモ：
- ステレオ画像超解像度：
```
 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 ：劣化した左画像のパス
- --input_r_path ：劣化した正しい画像のパス
- --output_l_path ：予測された左の画像を保存するためのパス
- --output_r_path ：予測される正しい画像を保存するためのパス
- 事前に保護されたモデルをダウンロードする必要があります。
- ハギングフェイススペースに統合されていますか？グラデーションの使用。ステレオイメージのスーパー解像度のWebデモを試してください
ここで3つのタスクすべてを使用してWebデモを試してください：

結果と事前に訓練されたモデル

名前	データセット	psnr	ssim	前処理されたモデル	構成
nafnet-gopro-width32	gopro	32.8705	0.9606	gdrive \| 百度网盘	トレーニング\|テスト
nafnet-gopro-width64	gopro	33.7103	0.9668	gdrive \| 百度网盘	トレーニング\|テスト
nafnet-sidd-width32	シド	39.9672	0.9599	gdrive \| 百度网盘	トレーニング\|テスト
nafnet-sidd-width64	シド	40.3045	0.9614	gdrive \| 百度网盘	トレーニング\|テスト
nafnet-reds-width64	赤	29.0903	0.8671	gdrive \| 百度网盘	トレーニング\|テスト
nafssr-l_4x	FlickR1024	24.17	0.7589	gdrive \| 百度网盘	トレーニング\|テスト
nafssr-l_2x	FlickR1024	29.68	0.9221	gdrive \| 百度网盘	トレーニング\|テスト
ベースライン-GoPro-Width32	gopro	32.4799	0.9575	gdrive \| 百度网盘	トレーニング\|テスト
ベースライン-GoPro-Width64	gopro	33.3960	0.9649	gdrive \| 百度网盘	トレーニング\|テスト
ベースライン-SIDD-WIDTH32	シド	39.8857	0.9596	gdrive \| 百度网盘	トレーニング\|テスト
Baseline-Sidd-Width64	シド	40.2970	0.9617	gdrive \| 百度网盘	トレーニング\|テスト

画像修復タスク

タスク	データセット	トレーニング/テストの指示	視覚化の結果
画像デブリング	gopro	リンク	gdrive \| 百度网盘
画像除去	シド	リンク	gdrive \| 百度网盘
JPEGアーティファクトで脱色する画像	赤	リンク	gdrive \| 百度网盘
ステレオ画像超解像度	Flickr1024+ミドルベリー	リンク	gdrive \| 百度网盘

引用

NAFNETがあなたの研究や仕事を支援する場合は、NAFNETを引用することを検討してください。

 @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}
}

Nafssrがあなたの研究や仕事を支援する場合は、Nafssrを引用することを検討してください。

 @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}
}