Descarga EDVR - Descarga del código fuente EDVR

EDVR

Pitón

1.0.0

Descargar

EDVR se ha fusionado con BasicSR. Este repositorio de GitHub es un espejo de BasicSR. Se recomienda utilizar BasicSR y abrir problemas, solicitudes de extracción, etc. en BasicSR.

Tenga en cuenta que esta versión no es compatible con versiones anteriores. Si desea utilizar los anteriores, consulte la rama old_version .

SR Básico

Inglés |简体中文 GitHub | Casa rural

Colaboración de Google: enlace de GitHub | Enlace de Google Drive
Ⓜ️ Model Zoo ⏬ Google Drive: modelos previamente entrenados | Experimentos reproducidos ⏬ 百度网盘: 预训练模型|复现实验
? Conjuntos de datos ⏬ Google Drive ⏬ 百度网盘 (提取码:basr)
? Curvas de entrenamiento en wandb
Comandos para entrenamiento y prueba.
⚡ CÓMO

BasicSR ( Basic S uper Restoration ) es una caja de herramientas de restauración de imágenes y videos de código abierto basada en PyTorch, como superresolución, eliminación de ruido, eliminación de desenfoque, eliminación de artefactos JPEG, etc.
_{(ESRGAN, EDVR, DNI, SFTGAN)} _{(HandyView, HandyFigure, HandyCrawler, HandyWriting)}

Nuevas características

29 de noviembre de 2020. Agregue la demostración de colaboración de ESRGAN y DFDNet .
8 de septiembre de 2020. Agregue códigos de inferencia de restauración de cara ciega : DFDNet.
27 de agosto de 2020. Agregue códigos de prueba y entrenamiento de StyleGAN2 : StyleGAN2.

Más

8 de septiembre de 2020. Agregue códigos de inferencia de restauración de caras ciegas : DFDNet .
ECCV20: Restauración de rostros ciegos mediante diccionarios profundos de componentes de múltiples escalas
Xiaoming Li, Chaofeng Chen, Shangchen Zhou, Xianhui Lin, Wangmeng Zuo y Lei Zhang
27 de agosto de 2020. Agregue códigos de prueba y entrenamiento de StyleGAN2 .
CVPR20: Análisis y mejora de la calidad de imagen de StyleGAN
Tero Karras, Samuli Laine, Miika Aittala, Janne Hellsten, Jaakko Lehtinen y Timo Aila
19 de agosto de 2020. Un nuevo BasicSR v1.0.0 en línea.

⚡ CÓMO

Proporcionamos canales simples para entrenar/probar/inferir modelos para un inicio rápido. Estas canalizaciones/comandos no pueden cubrir todos los casos y encontrará más detalles en las siguientes secciones.

Ganar
EstiloGAN2	Tren	Inferencia
Restauración facial
DFDNet	-	Inferencia
Súper resolución
ESRGAN	HACER	HACER	SRGAN	HACER	HACER
EDSR	HACER	HACER	SRResNet	HACER	HACER
RCAN	HACER	HACER
EDVR	HACER	HACER	DUF	-	HACER
VSR Básico	HACER	HACER	TOF	-	HACER
desenfoque
DeblurGANv2	-	HACER
eliminar ruido
RIDNet	-	HACER	CBDNet	-	HACER

? Dependencias e instalación

Python >= 3.7 (Se recomienda usar Anaconda o Miniconda)
PyTorch >= 1.3
GPU NVIDIA + CUDA

Clonar repositorio

git clone https://github.com/xinntao/BasicSR.git

Instalar paquetes dependientes

 cd BasicSR
pip install -r requirements.txt

Instalar BasicSR
Ejecute los siguientes comandos en la ruta raíz de BasicSR para instalar BasicSR:
(Asegúrese de que su versión de GCC: gcc >= 5)
Si no necesita las extensiones cuda:
DCN para EDVR
upfirdn2d y fusionado_act para StyleGAN2
agregue --no_cuda_ext al instalar
```
python setup.py develop --no_cuda_ext
```
Si utiliza el modelo EDVR y StyleGAN2, las extensiones cuda anteriores son necesarias.
```
python setup.py develop
```
Es posible que también desee especificar las rutas CUDA:
```
CUDA_HOME=/usr/local/cuda 
CUDNN_INCLUDE_DIR=/usr/local/cuda 
CUDNN_LIB_DIR=/usr/local/cuda 
python setup.py develop
```

Tenga en cuenta que BasicSR sólo se prueba en Ubuntu y puede que no sea adecuado para Windows. Puede probar Windows WSL con soporte CUDA :-) (ahora solo está disponible para compilación interna con anillo rápido).

⏳ Lista de tareas pendientes

Consulte los tableros de proyectos.

? Preparación del conjunto de datos

Consulte DatasetPreparation.md para obtener más detalles.
Las descripciones de los conjuntos de datos actualmente admitidos (clases torch.utils.data.Dataset ) se encuentran en Datasets.md.

Entrenar y probar

Comandos de entrenamiento y prueba : consulte TrainTest.md para conocer el uso básico.
Opciones/Configuraciones : consulte Config.md.
Registro : consulte Logging.md.

? Modelo de zoológico y líneas de base

Las descripciones de los modelos actualmente admitidos se encuentran en Models.md.
Los modelos previamente entrenados y ejemplos de registros están disponibles en ModelZoo.md .
También proporcionamos curvas de entrenamiento en wandb:

Diseños y convenciones de base de código

Consulte DesignConvention.md para conocer los diseños y convenciones del código base de BasicSR.
La siguiente figura muestra el marco general. Más descripciones para cada componente:
Conjuntos de datos.md | Modelos.md | Config.md | Registro.md

estructura_general

Licencia y Reconocimiento

Este proyecto se publica bajo la licencia Apache 2.0.
Más detalles sobre licencia y reconocimiento se encuentran en LICENCIA.

? Citas

Si BasicSR le ayuda en su investigación o trabajo, considere citar BasicSR.
La siguiente es una referencia de BibTeX. La entrada BibTeX requiere el paquete url LaTeX.

@misc{wang2020basicsr,
  author =       {Xintao Wang and Ke Yu and Kelvin C.K. Chan and
                  Chao Dong and Chen Change Loy},
  title =        {BasicSR},
  howpublished = { url {https://github.com/xinntao/BasicSR}},
  year =         {2020}
}