liif
1.0.0
該存儲庫包含以下論文中引入的LIIF的官方實施：
通過本地隱式圖像函數學習連續的圖像表示
Yinbo Chen，Sifei Liu，小王
CVPR 2021（口服）
帶有視頻的項目頁面在https://yinboc.github.io/liif/上。
如果您發現我們的工作對您的研究有用，請引用：
@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 | 下載 |
|---|---|---|
| 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用於放置數據集文件夾。
DIV2K ： mkdir和cd中的load/div2k 。從Div2k網站下載HR圖像和雙孔驗證LR圖像（即Train_Hr，valive_hr，valive_lr_x2，valive_lr_x3，valive_lr_x4）。 unzip這些文件以獲取圖像文件夾。
基準數據集： cd進入load/ 。下載和tar -xf基準數據集（由此存儲庫提供），獲取帶有子文件夾Set5/, Set14/, B100/, Urban100/ load/benchmark文件夾。
Celebahq ： mkdir load/celebAHQ和cp scripts/resize.py load/celebAHQ/ ，然後是cd load/celebAHQ/ 。從Google Drive鏈接下載並unzip數據1024x1024.zip（由此存儲庫提供）。運行python resize.py並獲取圖像文件夾256/, 128/, 64/, 32/ 。下載split.json。
0。預定
對於train_liif.py或test.py ，使用--gpu [GPU]指定GPU（例如--gpu 0或--gpu 0,1 ）。
對於train_liif.py ，默認情況下，保存文件夾在save/_[CONFIG_NAME] 。如果需要，我們可以使用--name來指定名稱。
對於配置中的數據集ARG， cache: in_memory表示預載到內存中（例如，可能需要大的內存，例如DIV2K的40GB）， cache: bin表示第一次創建二進製文件（在同胞文件夾中）， cache: none表示直接加載。在運行培訓腳本之前，我們可以根據硬件資源對其進行修改。
1。 DIV2K實驗
火車： python train_liif.py --config configs/train-div2k/train_edsr-baseline-liif.yaml （帶有edsr-baseline backbone，用於RDN替換為rdn替換edsr-baseline ）。我們使用1個GPU訓練EDSR-BASELIN-LIIF和4 GPU進行RDN-LIIF。
測試： bash scripts/test-div2k.sh [MODEL_PATH] [GPU]用於DIV2K驗證集， bash scripts/test-benchmark.sh [MODEL_PATH] [GPU]用於基準數據集。 [MODEL_PATH]是一個.pth文件的路徑，我們在相應的保存文件夾中使用epoch-last.pth 。
2。 Celebahq實驗
火車： python train_liif.py --config configs/train-celebAHQ/[CONFIG_NAME].yaml 。
測試： python test.py --config configs/test/test-celebAHQ-32-256.yaml --model [MODEL_PATH] （或test-celebAHQ-64-128.yaml用於另一個任務）。我們在相應的保存文件夾中使用epoch-best.pth 。
