NAFNet
1.0.0
이미지 복원을위한 종이 간단한 기준의 공식 Pytorch 구현 (ECCV2022)
최근 이미지 복원 분야에서 상당한 발전이 있었지만, 최첨단 (SOTA) 방법의 시스템 복잡성도 증가하고 있으며, 이는 편리한 분석과 방법의 비교를 방해 할 수 있습니다. 이 논문에서는 SOTA 방법을 초과하고 계산적으로 효율적인 간단한 기준을 제안합니다. 기준선을 더욱 단순화하기 위해, 우리는 비선형 활성화 기능 (예 : Sigmoid, Relu, Gelu, SoftMax 등이 필요하지 않음 을 보여줍니다. 곱셈으로 대체되거나 제거 될 수 있습니다. 따라서, 우리는 기준선에서 비선형 활성화 프리 네트워크, 즉 NAFNET을 도출합니다. SOTA 결과는 다양한 도전적인 벤치 마크 (예 : GOPRO에서 33.69 dB PSNR)에서 달성되며 (이미지 디 블러 링의 경우), 계산 비용의 8.4%만으로 이전 SOTA 0.38 dB를 초과합니다. 40.30 db PSNR SIDD (Image Denoising의 경우)는 계산 비용의 절반 미만으로 이전 SOTA 0.28 dB를 초과합니다.
 |  |  |
|---|---|---|
| 거부 | 디 블러 | 스테레오스 (NAFSSR) |
2022.08.02 사전에 걸린 모델 및 기차/테스트 구성을 포함한 기준선은 현재 사용할 수 있습니다.
2022.07.03 관련 작업, 글로벌 정보 집계 (TLC, 일명 TLSC)를 재검토하여 이미지 복원 개선은 ECCV2022 에 의해 수락됩니까? . 코드는 https://github.com/megvii-research/tlc에서 제공됩니다.
2022.07.03 우리의 논문은 ECCV2022 에 의해 받아 들여 졌습니까?
2022.06.19 NTIRE Workshop의 CVPR 2022에서 구두 프레젠테이션을 위해 NAFSSR (도전 승자)이 선정 되었습니까? 프레젠테이션 비디오, 슬라이드 및 포스터는 현재 제공됩니다.
2022.04.15 NAFNET 기반 스테레오 이미지 수퍼 레스 솔루션 솔루션 (NAFSSR)은 NTIRE 2022 스테레오 이미지 슈퍼 레스 솔루션 챌린지에서 1 위를 차지했습니다! 교육/평가 지침은 여기를 참조하십시오.
이 구현은 이미지/비디오 복원 작업 및 HINET를위한 오픈 소스 도구 상자 인 BasicsR을 기반으로합니다.
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 : 저하 된 이미지의 경로--output_path : 예측 된 이미지를 저장하는 경로 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 : 저하 된 왼쪽 이미지의 경로--input_r_path : 오른쪽 이미지가 저하 된 경로--output_l_path : 예측 된 왼쪽 이미지를 저장하는 경로--output_r_path : 예측 된 올바른 이미지를 저장하는 경로| 이름 | 데이터 세트 | PSNR | SSIM | 사전 예방 모델 | 구성 |
|---|---|---|---|---|---|
| nafnet-gopro-width32 | Gopro | 32.8705 | 0.9606 | gdrive | 百度网盘 | 기차 | 시험 |
| Nafnet-Gopro-width64 | Gopro | 33.7103 | 0.9668 | gdrive | 百度网盘 | 기차 | 시험 |
| NAFNET-SIDD-WIDTH32 | 시드 | 39.9672 | 0.9599 | gdrive | 百度网盘 | 기차 | 시험 |
| NAFNET-SIDD-WIDTH64 | 시드 | 40.3045 | 0.9614 | gdrive | 百度网盘 | 기차 | 시험 |
| NAFNET-REDS-WIDTH64 | 빨간색 | 29.0903 | 0.8671 | gdrive | 百度网盘 | 기차 | 시험 |
| NAFSSR-L_4X | flickr1024 | 24.17 | 0.7589 | gdrive | 百度网盘 | 기차 | 시험 |
| NAFSSR-L_2X | flickr1024 | 29.68 | 0.9221 | gdrive | 百度网盘 | 기차 | 시험 |
| 기준선-볼트 32 | Gopro | 32.4799 | 0.9575 | gdrive | 百度网盘 | 기차 | 시험 |
| 기준 Gopro-width64 | Gopro | 33.3960 | 0.9649 | gdrive | 百度网盘 | 기차 | 시험 |
| 기준 Sidd-width32 | 시드 | 39.8857 | 0.9596 | gdrive | 百度网盘 | 기차 | 시험 |
| 기준 Sidd-width64 | 시드 | 40.2970 | 0.9617 | gdrive | 百度网盘 | 기차 | 시험 |
| 일 | 데이터 세트 | 기차/시험 지침 | 시각화 결과 |
|---|---|---|---|
| 이미지 디 블러 링 | Gopro | 링크 | gdrive | 百度网盘 |
| 이미지 노이즈 | 시드 | 링크 | gdrive | 百度网盘 |
| JPEG 아티팩트와 함께 이미지 디 블리 링 | 빨간색 | 링크 | gdrive | 百度网盘 |
| 스테레오 이미지 슈퍼 레벨 | Flickr1024+미들 버리 | 링크 | gdrive | 百度网盘 |
NAFNET이 귀하의 연구 나 업무에 도움이된다면 NAFNET 인용을 고려하십시오.
@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}
}
NAFSSR이 귀하의 연구 나 업무를 도와 주면 NAFSSR 인용을 고려하십시오.
@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}
}
궁금한 점이 있으면 [email protected] 또는 [email protected]으로 문의하십시오.
