CompressAI下載 - CompressAI源代碼下載

CompressAI

Python

1.0.0

下載

Compressai（ Compress-ay ）是一個用於端到端壓縮研究的Pytorch庫和評估平台。

Compressai當前提供：

基於深度學習的數據壓縮的自定義操作，層和模型
官方Tensorflow壓縮庫的部分端口
學習圖像壓縮的預訓練的端到端壓縮模型
評估腳本以比較學習的模型與經典圖像/視頻壓縮編解碼器

kodak上的PSNR表演情節

注意：多GPU支持現在是實驗性的。

安裝

Compressai支持Python 3.8+和Pytorch 1.7+。

PIP ：

pip install compressai

注意：車輪可用於Linux和MacOS。

來自來源：

還需要A C ++ 17編譯器，最新版本的PIP（19.0+）和常見的Python軟件包（有關完整列表，請參見setup.py ）。

要在本地開始並安裝Compressai的開發版本，請在虛擬環境中運行以下命令：

git clone https://github.com/InterDigitalInc/CompressAI compressai
cd compressai
pip install -U pip && pip install -e .

對於自定義安裝，您還可以運行以下命令之一：

pip install -e '.[dev]' ：安裝開發所需的軟件包（測試，伸長，文檔）
pip install -e '.[tutorials]' ：安裝教程所需的軟件包（筆記本）
pip install -e '.[all]' ：安裝所有可選軟件包

注意：將來將發布Docker圖像。 Conda環境沒有正式支持。

文件

安裝
壓縮API
培訓自己的模型
可用型號列表（模型動物園）

用法

例子

腳本和筆記本示例可以在examples/目錄中找到。

要使用提供的預訓練模型編碼/解碼圖像，請運行codec.py器。

python3 examples/codec.py --help

examples/train.py提供了帶有利率損失的訓練腳本。您可以用在Compressai中實現自己的模型替換訓練腳本中使用的模型，然後運行腳本以進行簡單的培訓管道：

python3 examples/train.py -d /path/to/my/image/dataset/ --epochs 300 -lr 1e-4 --batch-size 16 --cuda --save

注意：培訓示例使用自定義圖像文件結構。

examples目錄中還提供了一本jupyter筆記本，說明了對學習圖像壓縮的預訓練模型的使用：

pip install -U ipython jupyter ipywidgets matplotlib
jupyter notebook examples/

評估

為了評估您自己的數據集中訓練有素的模型，Compressai提供了一個評估腳本：

python3 -m compressai.utils.eval_model checkpoint /path/to/images/folder/ -a $ARCH -p $MODEL_CHECKPOINT ...

評估提供的預培訓模型：

python3 -m compressai.utils.eval_model pretrained /path/to/images/folder/ -a $ARCH -q $QUALITY_LEVELS ...

繪製Bench/eval_model模擬的結果（默認情況下需要matplotlib）：

python3 -m compressai.utils.plot --help

評估傳統編解碼：

python3 -m compressai.utils.bench --help
python3 -m compressai.utils.bench bpg --help
python3 -m compressai.utils.bench vtm --help

對於視頻，可以進行類似的測試，Compressai僅包括SSF2020：

python3 -m compressai.utils.video.eval_model checkpoint /path/to/video/folder/ -a ssf2020 -p $MODEL_CHECKPOINT ...
python3 -m compressai.utils.video.eval_model pretrained /path/to/video/folder/ -a ssf2020 -q $QUALITY_LEVELS ...
python3 -m compressai.utils.video.bench x265 --help
python3 -m compressai.utils.video.bench VTM --help
python3 -m compressai.utils.video.plot --help

測試

使用pytest進行測試：

pytest -sx --cov=compressai --cov-append --cov-report term-missing tests

可以使用-m "not slow"選項跳過慢速測試。

執照

Compressai已根據BSD 3級明確許可獲得許可

貢獻

我們歡迎反饋和貢獻。請打開一個GitHub問題以報告錯誤，請求增強功能或有任何疑問。

在貢獻之前，請閱讀contruting.md文件。

作者

JeanBégaint，FabienRacapé，Simon Feltman和Hyomin Choi，Interdigital AI實驗室。

引用

如果您使用此項目，請引用有關模型和數據集的相關原始出版物，並將此項目引用為：

 @article{begaint2020compressai,
	title={CompressAI: a PyTorch library and evaluation platform for end-to-end compression research},
	author={B{'e}gaint, Jean and Racap{'e}, Fabien and Feltman, Simon and Pushparaja, Akshay},
	year={2020},
	journal={arXiv preprint arXiv:2011.03029},
}

對於與可變比特率模型有關的任何工作，請引用

 @article{kamisli2024dcc_vbrlic,
	title={Variable-Rate Learned Image Compression with Multi-Objective Optimization and Quantization-Reconstruction Offsets},
	author={Kamisli, Fatih and Racap{'e}, Fabien and Choi, Hyomin},
	year={2024},
	booktitle={2024 Data Compression Conference (DCC)},
	eprint={2402.18930},
}