liif
1.0.0
该存储库包含以下论文中引入的LIIF的官方实施：
通过本地隐式图像函数学习连续的图像表示
Yinbo Chen，Sifei Liu，小王
CVPR 2021（口服）
带有视频的项目页面在https://yinboc.github.io/liif/上。
如果您发现我们的工作对您的研究有用，请引用：
@inproceedings{chen2021learning,
title={Learning continuous image representation with local implicit image function},
author={Chen, Yinbo and Liu, Sifei and Wang, Xiaolong},
booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
pages={8628--8638},
year={2021}
}
| 模型 | 文件大小 | 下载 |
|---|---|---|
| EDSR-BASELINE-LIIF | 18m | Dropbox | Google Drive |
| rdn-liif | 256m | Dropbox | Google Drive |
[MODEL_PATH]表示.pth文件） python demo.py --input xxx.png --model [MODEL_PATH] --resolution [HEIGHT],[WIDTH] --output output.png --gpu 0
mkdir load用于放置数据集文件夹。
DIV2K ： mkdir和cd中的load/div2k 。从Div2k网站下载HR图像和双孔验证LR图像（即Train_Hr，valive_hr，valive_lr_x2，valive_lr_x3，valive_lr_x4）。 unzip这些文件以获取图像文件夹。
基准数据集： cd进入load/ 。下载和tar -xf基准数据集（由此存储库提供），获取带有子文件夹Set5/, Set14/, B100/, Urban100/ load/benchmark文件夹。
Celebahq ： mkdir load/celebAHQ和cp scripts/resize.py load/celebAHQ/ ，然后是cd load/celebAHQ/ 。从Google Drive链接下载并unzip数据1024x1024.zip（由此存储库提供）。运行python resize.py并获取图像文件夹256/, 128/, 64/, 32/ 。下载split.json。
0。预定
对于train_liif.py或test.py ，使用--gpu [GPU]指定GPU（例如--gpu 0或--gpu 0,1 ）。
对于train_liif.py ，默认情况下，保存文件夹在save/_[CONFIG_NAME] 。如果需要，我们可以使用--name来指定名称。
对于配置中的数据集ARG， cache: in_memory表示预载到内存中（例如，可能需要大的内存，例如DIV2K的40GB）， cache: bin表示第一次创建二进制文件（在同胞文件夹中）， cache: none表示直接加载。在运行培训脚本之前，我们可以根据硬件资源对其进行修改。
1。DIV2K实验
火车： python train_liif.py --config configs/train-div2k/train_edsr-baseline-liif.yaml （带有edsr-baseline backbone，用于RDN替换为rdn替换edsr-baseline ）。我们使用1个GPU训练EDSR-BASELIN-LIIF和4 GPU进行RDN-LIIF。
测试： bash scripts/test-div2k.sh [MODEL_PATH] [GPU]用于DIV2K验证集， bash scripts/test-benchmark.sh [MODEL_PATH] [GPU]用于基准数据集。 [MODEL_PATH]是一个.pth文件的路径，我们在相应的保存文件夹中使用epoch-last.pth 。
2。Celebahq实验
火车： python train_liif.py --config configs/train-celebAHQ/[CONFIG_NAME].yaml 。
测试： python test.py --config configs/test/test-celebAHQ-32-256.yaml --model [MODEL_PATH] （或test-celebAHQ-64-128.yaml用于另一个任务）。我们在相应的保存文件夹中使用epoch-best.pth 。
