EnlightenGAN

Enlightengan: повышение глубокого света без парного надзора

Йифан Цзян, Синью Гонг, Дин Лю, Ю Ченг, Чен Фанг, Сяохуи Шен, Цзяньчао Ян, Пан Чжоу, Чжаньян Ванг

[Бумага] [Дополнительные материалы]

Видимые результаты

Перегруженная архитектура

Подготовка окружающей среды

 python3.5

Вы должны подготовить как минимум 3 1080TI графические процессоры или изменить размер партии.

pip install -r requirement.txt
mkdir model
Загрузите предварительную модель VGG из [Google Drive 1], а затем поместите ее в model каталога.

Учебный процесс

Перед началом обучения вам следует запустить visdom.server для визуализации.

nohup python -m visdom.server -port=8097

Затем запустите следующую команду

python scripts/script.py --train

Процесс тестирования

Загрузите предварительную модель и поместите ее в ./checkpoints/enlightening

Создать каталоги ../test_dataset/testA и ../test_dataset/testB . Поместите свои тестовые изображения на ../test_dataset/testA (и вы должны сохранить любое изображение в ../test_dataset/testB , чтобы убедиться, что программа может начать.)

Бегать

python scripts/script.py --predict

Подготовка набора данных

Данные обучения [Google Drive] (непарные изображения, собранные из нескольких наборов данных)

Данные тестирования [Google Drive] (включая лайм, MEF, NPE, VV, DICP)

И [Baiduyun] теперь доступен благодаря @yhlelaine!

Более быстрый вывод

https://github.com/arsenyinfo/enlightengan-inference от @arsenyinfo

Если вы найдете эту работу полезной для вас, пожалуйста, цитируйте

 @article{jiang2021enlightengan,
  title={Enlightengan: Deep light enhancement without paired supervision},
  author={Jiang, Yifan and Gong, Xinyu and Liu, Ding and Cheng, Yu and Fang, Chen and Shen, Xiaohui and Yang, Jianchao and Zhou, Pan and Wang, Zhangyang},
  journal={IEEE Transactions on Image Processing},
  volume={30},
  pages={2340--2349},
  year={2021},
  publisher={IEEE}
}