liif
1.0.0
このリポジトリには、次の論文で紹介されたLIIFの公式実装が含まれています。
ローカルな暗黙的な画像関数を使用した連続画像表現を学習します
Yinbo Chen、Sifei Liu、Xiaolong Wang
CVPR 2021（口頭）
ビデオのプロジェクトページは、https：//yinboc.github.io/liif/にあります。
私たちの研究があなたの研究で役立つと思うなら、引用してください：
@inproceedings{chen2021learning,
title={Learning continuous image representation with local implicit image function},
author={Chen, Yinbo and Liu, Sifei and Wang, Xiaolong},
booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
pages={8628--8638},
year={2021}
}
| モデル | ファイルサイズ | ダウンロード |
|---|---|---|
| edsr-baseline-liif | 18m | Dropbox | Googleドライブ |
| rdn-liif | 256m | Dropbox | Googleドライブ |
[MODEL_PATH]は.pthファイルを示します） python demo.py --input xxx.png --model [MODEL_PATH] --resolution [HEIGHT],[WIDTH] --output output.png --gpu 0
データセットフォルダーを配置するためのmkdir load 。
div2k ： mkdirとcd into load/div2k 。 div2k Webサイト（IE TRAIN_HR、valid_hr、valid_lr_x2、valid_lr_x3、valid_lr_x4）からHR画像と二項検証LR画像をダウンロードします。これらのファイルunzip 、画像フォルダーを取得します。
ベンチマークデータセット： cd into load/ 。ベンチマークデータセット（このリポジトリが提供）をダウンロードしてtar -xfダウンロードし、サブフォルダーSet5/, Set14/, B100/, Urban100/を使用してload/benchmarkフォルダーを取得します。
celebahq ： mkdir load/celebAHQ and cp scripts/resize.py load/celebAHQ/ 、 cd load/celebAHQ/ 。 Google Driveリンク（このレポで提供）からdata1024x1024.zipをダウンロードしてunzip 。 python resize.pyを実行し、画像フォルダー256/, 128/, 64/, 32/を取得します。 split.jsonをダウンロードします。
0。予備
train_liif.pyまたはtest.pyの場合、 --gpu [GPU]を使用してGPUを指定します（eg --gpu 0または--gpu 0,1 ）。
train_liif.pyの場合、デフォルトでは、保存フォルダーはsave/_[CONFIG_NAME]にあります。必要に応じて名前を指定するには、 --nameを使用できます。
構成のデータセットargの場合、 cache: in_memoryは、メモリへのプリロード（大きなメモリが必要になる場合があり、たとえばdiv2kでcache: bin ） cache: none示します。トレーニングスクリプトを実行する前に、ハードウェアリソースに従って変更できます。
1。Div2K実験
列車： python train_liif.py --config configs/train-div2k/train_edsr-baseline-liif.yaml （edsr-baselineバックボーンを使用して、rdnの場合、 edsr-baselineをrdnに置き換えます）。 EDSR-Baseline-Liifをトレーニングするために1 GPUを使用し、RDN-LIIFには4 GPUを使用します。
テスト： bash scripts/test-div2k.sh [MODEL_PATH] [GPU] div2k検証セット、 bash scripts/test-benchmark.sh [MODEL_PATH] [GPU] for benchmarkデータセット。 [MODEL_PATH]は.pthファイルへのパスであり、対応する保存フォルダーでepoch-last.pthを使用します。
2。Celebahq実験
トレイン： python train_liif.py --config configs/train-celebAHQ/[CONFIG_NAME].yaml 。
テスト： python test.py --config configs/test/test-celebAHQ-32-256.yaml --model [MODEL_PATH] （またはtest-celebAHQ-64-128.yamlの別のタスク）。対応する保存フォルダーでepoch-best.pthを使用します。
