GFPGAN
v1.3.8 Release Note
ขอบคุณสำหรับความสนใจในงานของเรา คุณอาจต้องการตรวจสอบการอัปเดตใหม่ของเราเกี่ยวกับ โมเดลเล็ก ๆ สำหรับ ภาพอะนิเมะและวิดีโอ ใน Real-Esrgan หรือไม่?
GFPGAN มีจุดมุ่งหมายที่จะพัฒนา อัลกอริทึมที่เป็นประโยชน์สำหรับการฟื้นฟูใบหน้าจริง
มันใช้ประโยชน์จากนักบวชที่หลากหลายและหลากหลายห่อหุ้มอยู่ในใบหน้าที่ผ่านการฝึกฝน ( เช่น Stylegan2) สำหรับการฟื้นฟูใบหน้าตาบอด
❓คำถามที่พบบ่อยสามารถพบได้ใน FAQ.MD
การอัปเดต
หาก gfpgan มีประโยชน์ในรูปภาพ/โครงการของคุณโปรดช่วย repo นี้หรือแนะนำให้เพื่อนของคุณ ขอบคุณ? โครงการที่แนะนำอื่น ๆ :
[กระดาษ] [หน้าโครงการ] [สาธิต]
Xintao Wang, Yu Li, Honglun Zhang, Ying Shan
Applied Research Center (ARC), Tencent PCG
ตอนนี้เราให้ GFPGAN เวอร์ชัน ที่สะอาด ซึ่งไม่จำเป็นต้องมีส่วนขยาย CUDA ที่กำหนดเอง
หากคุณต้องการใช้โมเดลต้นฉบับในกระดาษของเราโปรดดู Papermodel.md สำหรับการติดตั้ง
repo โคลน
git clone https://github.com/TencentARC/GFPGAN.git
cd GFPGANติดตั้งแพ็คเกจขึ้นอยู่กับ
# Install basicsr - https://github.com/xinntao/BasicSR
# We use BasicSR for both training and inference
pip install basicsr
# Install facexlib - https://github.com/xinntao/facexlib
# We use face detection and face restoration helper in the facexlib package
pip install facexlib
pip install -r requirements.txt
python setup.py develop
# If you want to enhance the background (non-face) regions with Real-ESRGAN,
# you also need to install the realesrgan package
pip install realesrganเราใช้ตัวอย่าง v1.3 สำหรับตัวอย่าง สามารถพบโมเดลเพิ่มเติมได้ที่นี่
ดาวน์โหลดรุ่นที่ผ่านการฝึกอบรมมาก่อน: gfpganv1.3.pth
wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_modelsการอนุมาน
python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2 Usage: python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2 [options]...
-h show this help
-i input Input image or folder. Default: inputs/whole_imgs
-o output Output folder. Default: results
-v version GFPGAN model version. Option: 1 | 1.2 | 1.3. Default: 1.3
-s upscale The final upsampling scale of the image. Default: 2
-bg_upsampler background upsampler. Default: realesrgan
-bg_tile Tile size for background sampler, 0 for no tile during testing. Default: 400
-suffix Suffix of the restored faces
-only_center_face Only restore the center face
-aligned Input are aligned faces
-ext Image extension. Options: auto | jpg | png, auto means using the same extension as inputs. Default: autoหากคุณต้องการใช้โมเดลต้นฉบับในกระดาษของเราโปรดดู Papermodel.md สำหรับการติดตั้งและการอนุมาน
| รุ่น | ชื่อนางแบบ | คำอธิบาย |
|---|---|---|
| v1.3 | gfpganv1.3.pth | ขึ้นอยู่กับ v1.2; ผลการฟื้นฟู ที่เป็นธรรมชาติมากขึ้น ผลลัพธ์ที่ดีกว่าเกี่ยวกับอินพุตที่มีคุณภาพต่ำ / คุณภาพสูง |
| v1.2 | gfpgancleanv1-noce-c2.pth | ไม่มีการทำสี ไม่จำเป็นต้องมีส่วนขยาย CUDA ได้รับการฝึกฝนด้วยข้อมูลเพิ่มเติมเกี่ยวกับการประมวลผลล่วงหน้า |
| V1 | gfpganv1.pth | โมเดลกระดาษที่มีสีสัน |
การเปรียบเทียบอยู่ในการเปรียบเทียบ
โปรดทราบว่า v1.3 ไม่ดีไปกว่า v1.2 เสมอไป คุณอาจต้องเลือกรุ่นที่แตกต่างกันตามวัตถุประสงค์และอินพุตของคุณ
| รุ่น | จุดแข็ง | ความอ่อนแอ |
|---|---|---|
| v1.3 | ✓ผลลัพธ์ตามธรรมชาติ ✓ผลลัพธ์ที่ได้จากอินพุตที่มีคุณภาพต่ำมาก ✓ทำงานกับอินพุตที่มีคุณภาพค่อนข้างสูง ✓สามารถทำการบูรณะซ้ำ (สองครั้ง) | ✗ไม่คมมาก ✗มีการเปลี่ยนแปลงตัวตนเล็กน้อย |
| v1.2 | ✓เอาต์พุตที่คมชัดยิ่งขึ้น ✓ด้วยการแต่งหน้าความงาม | ✗ผลลัพธ์บางอย่างผิดธรรมชาติ |
คุณสามารถค้นหา รุ่นเพิ่มเติม (เช่น discriminators) ได้ที่นี่: [Google Drive] หรือ [Tencent Cloud 腾讯微云]
เราให้รหัสการฝึกอบรมสำหรับ GFPGAN (ใช้ในกระดาษของเรา)
คุณสามารถปรับปรุงได้ตามความต้องการของคุณเอง
เคล็ดลับ
ขั้นตอน
(คุณสามารถลองใช้เวอร์ชันง่าย ๆ ( options/train_gfpgan_v1_simple.yml ) ที่ไม่จำเป็นต้องใช้สถานที่สำคัญของส่วนประกอบใบหน้า)
การเตรียมชุดข้อมูล: FFHQ
ดาวน์โหลดรุ่นที่ผ่านการฝึกอบรมมาก่อนและข้อมูลอื่น ๆ วางไว้ในโฟลเดอร์ experiments/pretrained_models
แก้ไข options/train_gfpgan_v1.yml ตามนั้น
การฝึกอบรม
python -m torch.distributed.launch -nproc_per_node = 4 --master_port = 22021 gfpgan/train.py -opt ตัวเลือก/train_gfpgan_v1.yml -Launcher Pytorch
GFPGAN เปิดตัวภายใต้ Apache License Version 2.0
@InProceedings{wang2021gfpgan,
author = {Xintao Wang and Yu Li and Honglun Zhang and Ying Shan},
title = {Towards Real-World Blind Face Restoration with Generative Facial Prior},
booktitle={The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
year = {2021}
}
หากคุณมีคำถามใด ๆ โปรดส่งอีเมลถึง [email protected] หรือ [email protected]
