DeblurGAN

Deblurgan

Versão em papel arxiv

Implementação de Pytorch do Artigo Deblurgan: Deblurração do movimento cego usando redes adversárias condicionais.

Nossa rede toma imagem embaçada como uma entrada e procue a estimativa nítida correspondente, como no exemplo:

O modelo que usamos é o Wasserstein GaN condicional com penalidade de gradiente + perda perceptiva com base nas ativações VGG-19. Essa arquitetura também fornece bons resultados sobre outros problemas de tradução de imagem para imagem (super resolução, colorização, pintura, incentivo etc.)

Como correr

Pré -requisitos

• Nvidia gpu + cuda cudnn (CPU não testada, feedback apreciado)
• Pytorch

Faça o download de pesos do Google Drive. Observe que, durante a inferência, você precisa manter apenas os pesos do gerador.

Coloque os pesos em

/.checkpoints/experiment_name

Para testar um modelo, coloque suas imagens embaçadas em uma pasta e execute:

python test.py --dataroot /.path_to_your_data --model test --dataset_mode single --learn_residual

Dados

Faça o download do conjunto de dados para referência de detecção de objetos do Google Drive

Trem

Se você deseja treinar o modelo em seus dados, execute o seguinte comando para criar pares de imagens:

python datasets/combine_A_and_B.py --fold_A /path/to/data/A --fold_B /path/to/data/B --fold_AB /path/to/data

E então o seguinte comando para treinar o modelo

python train.py --dataroot /.path_to_your_data --learn_residual --resize_or_crop crop --fineSize CROP_SIZE (we used 256)

Outras implementações

Blog Keras

Repositório de Keras

Citação

Se você achar útil nosso código em sua pesquisa ou trabalho, cite nosso artigo.

 @article{DeblurGAN,
  title = {DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks},
  author = {Kupyn, Orest and Budzan, Volodymyr and Mykhailych, Mykola and Mishkin, Dmytro and Matas, Jiri},
  journal = {ArXiv e-prints},
  eprint = {1711.07064},
  year = 2017
}

Agradecimentos

O código empresta muito a partir de Pix2pix. As imagens foram tiradas do conjunto de dados do GoPro Test - Deepdeblur