NAFNet
1.0.0
A implementação oficial do Pytorch do artigo simples de base para restauração de imagens (ECCV2022)
Embora tenha havido avanços significativos no campo da restauração da imagem recentemente, a complexidade do sistema dos métodos de última geração (SOTA) também está aumentando, o que pode prejudicar a análise e a comparação convenientes dos métodos. Neste artigo, propomos uma linha de base simples que exceda os métodos SOTA e é computacionalmente eficiente. Para simplificar ainda mais a linha de base, revelamos que as funções de ativação não linear, por exemplo, sigmóide, relu, gelu, softmax etc. não são necessárias : elas podem ser substituídas por multiplicação ou removidas. Assim, derivamos uma rede livre de ativação não linear, a saber, nafnet, a partir da linha de base. Os resultados do SOTA são alcançados em vários benchmarks desafiadores, por exemplo, 33,69 dB PSNR no GoPro (para desverbramento de imagem), excedendo o SOTA anterior 0,38 dB com apenas 8,4% de seus custos computacionais; 40,30 dB PSNR no SIDD (para denoising de imagem), excedendo o SOTA anterior 0,28 dB com menos da metade de seus custos computacionais.
 |  |  |
|---|---|---|
| Denoise | Deblur | Stereosr (NAFSSR) |
2022.08.02 A linha de base, incluindo os modelos pré -treinados e as configurações de trem/teste, estão disponíveis agora.
2022.07.03 Trabalho relacionado, melhorando a restauração da imagem revisitando a agregação global de informações (TLC, também conhecida como TLSC em nosso artigo) é aceita pelo ECCV2022 ? . O código está disponível em https://github.com/megvii-research/tlc.
2022.07.03 Nosso artigo é aceito pelo ECCV2022 ?
2022.06.19 O NAFSSR (como vencedor do desafio) é selecionado para uma apresentação oral no CVPR 2022, NTIRE Workshop? Vídeo de apresentação, slides e pôster estão disponíveis agora.
2022.04.15 Solução de super-resolução de imagem estéreo baseada na NAFNET (NAFSSR) conquistou o 1º lugar no desafio de super-resolução da imagem estéreo NTIRE 2022! Instruções de treinamento/avaliação Veja aqui.
Esta implementação baseada no BASICSR, que é uma caixa de ferramentas de código aberto para tarefas de restauração de imagens/vídeo e 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 : o caminho da imagem degradada--output_path : o caminho para salvar a imagem prevista 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 : o caminho da imagem esquerda degradada--input_r_path : o caminho da imagem certa degradada--output_l_path : o caminho para salvar a imagem esquerda prevista--output_r_path : o caminho para salvar a imagem certa prevista| nome | Conjunto de dados | Psnr | Ssim | modelos pré -terem sido pretados | configurações |
|---|---|---|---|---|---|
| Nafnet-GoPro-Width32 | GoPro | 32.8705 | 0,9606 | gdrive | 百度网盘 | Trem | teste |
| Nafnet-GoPro-Width64 | GoPro | 33.7103 | 0,9668 | gdrive | 百度网盘 | Trem | teste |
| Nafnet-SIDD-WIDTH32 | Sidd | 39.9672 | 0,9599 | gdrive | 百度网盘 | Trem | teste |
| Nafnet-sidd-width64 | Sidd | 40.3045 | 0,9614 | gdrive | 百度网盘 | Trem | teste |
| Nafnet-Reds-Width64 | Vermelhos | 29.0903 | 0,8671 | gdrive | 百度网盘 | Trem | teste |
| NAFSSR-L_4X | Flickr1024 | 24.17 | 0,7589 | gdrive | 百度网盘 | Trem | teste |
| NAFSSR-L_2X | Flickr1024 | 29.68 | 0,9221 | gdrive | 百度网盘 | Trem | teste |
| Base-linha-GoPro-WIDTH32 | GoPro | 32.4799 | 0,9575 | gdrive | 百度网盘 | Trem | teste |
| Baselina-GoPro-Width64 | GoPro | 33.3960 | 0,9649 | gdrive | 百度网盘 | Trem | teste |
| Base-sidd-width32 | Sidd | 39.8857 | 0,9596 | gdrive | 百度网盘 | Trem | teste |
| Base-sidd-width64 | Sidd | 40.2970 | 0,9617 | gdrive | 百度网盘 | Trem | teste |
| Tarefa | Conjunto de dados | Instruções de trem/teste | Resultados da visualização |
|---|---|---|---|
| Imagem Dexando | GoPro | link | gdrive | 百度网盘 |
| Imagem denoising | Sidd | link | gdrive | 百度网盘 |
| Imagem de explicação com artefatos JPEG | Vermelhos | link | gdrive | 百度网盘 |
| Super-resolução de imagem estéreo | Flickr1024+Middlebury | link | gdrive | 百度网盘 |
Se a NAFNET ajudar sua pesquisa ou trabalho, considere citar a 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}
}
Se o NAFSSR ajudar sua pesquisa ou trabalho, considere citar o 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}
}
Se você tiver alguma dúvida, entre em contato com [email protected] ou [email protected]
