SReC下載 - SReC源代碼下載

SReC

Python

1.0.0

下載

通過超分辨率壓縮無損圖像

Sheng Cao，Chao-Yuan Wu，PhilippKrähenbühl。

[紙]

引用

 @article { cao2020lossless ,
  title = { Lossless Image Compression through Super-Resolution } ,
  author = { Cao, Sheng and Wu, Chao-Yuan and and Kr{"a}henb{"u}hl, Philipp } ,
  year = { 2020 } ,
  journal = { arXiv preprint arXiv:2004.02872 } ,
}

如果您使用我們的代碼庫，請考慮也引用L3C

概述

這是SREC在Pytorch中的正式實施。 SREC框架無損壓縮是一個超分辨率問題，並應用神經網絡來壓縮圖像。 SREC可以在實用的運行時實現大型數據集上的最新壓縮率。培訓，壓縮和減壓得到了充分的支持和開源。

入門

我們建議以下步驟開始。

安裝必要的依賴項
下載開放圖像驗證集
在開放圖像上運行壓縮驗證設置，帶有訓練的模型權重

安裝

請參閱此處以獲取安裝說明。

模型重量

我們已經發布了Imagenet64和Open Images（PNG）的訓練有素的型號。所有壓縮結果均以每個子像素（BPSP）的位衡量。

數據集	bpsp	模型重量
Imagenet64	4.29	模型/Imagenet64.pth
開放圖像	2.70	模型/開放式

訓練

要運行代碼，您需要處於頂級目錄。

 python3 -um src.train 
  --train-path "path to directory of training images" 
  --train-file "list of filenames of training images, one filename per line" 
  --eval-path "path to directory of eval images" 
  --eval-file "list of filenames of eval images, one filename per line" 
  --plot "directory to store model output" 
  --batch "batch size"

培訓圖像必須以火車文件中的文件名的形式組織train-path/filename形式。同樣的事情適用於評估圖像。

我們將用於Imagenet64的培訓和評估文件包括在datasets集目錄中。

對於ImagEnet64，我們使用的是略有不同的超參數，而不是開放圖像超參數（默認圖）。根據我們的論文中的設置訓練Imagenet64，運行

 python3 -um src.train 
  --train-path "path to directory of training images" 
  --train-file "list of filenames of training images, one filename per line" 
  --eval-path "path to directory of eval images" 
  --eval-file "list of filenames of eval images, one filename per line" 
  --plot "directory to store model output" 
  --batch "batch size" 
  --epochs 10 
  --lr-epochs 1 
  --crop 64

運行python3 -um src.train --help可調式超參數列表。

評估

給定模型檢查點，該評估理論位/子像素（BPSP）基於對數似然。對數模型BPSP降低了實際壓縮BPSP。

 python3 -um src.eval 
  --path "path to directory of images" 
  --file "list of filenames of images, one filename per line" 
  --load "path to model weights"

壓縮/減壓

安裝了TORCHAC後，您可以運行壓縮/解壓縮以將任何圖像轉換為.srec文件。以下壓縮圖像目錄。

 python3 -um src.encode 
  --path "path to directory of images"  
  --file "list of filenames of images, one filename per line" 
  --save-path "directory to save new .srec files" 
  --load "path to model weights"

如果您想要準確的運行時，我們建議使用-O標誌運行Python來禁用斷言。我們還包括一個可選的--decode標誌，以便您可以檢查解壓縮.sRec文件是否提供了原始圖像，並提供用於解碼的運行時。

要將.srec文件轉換為png，您可以運行

 python3 -um src.decode 
  --path "path to directory of .srec images"  
  --file "list of filenames of .srec images, one filename per line" 
  --save-path "directory to save png files" 
  --load "path to model weights"