Mejora las imágenes antiguas o de baja calidad en Comfyui. Las características opcionales incluyen eliminación automática de arañazos y mejora de la cara. Requiere instalar una serie de pequeños puntos de control y VAE.
Basado en Microsoft/Traying Old-Photos-Back-to-Life.
Antes de instalar, asegúrese de que se active cualquier entorno virtual y, si es necesario, prependa el ejecutable de Python de destino antes del comando PIP.
cd ./ComfyUI-Bringing-Old-Photos-Back-to-Life/
path t o p ython.exe pip install -r requirements.txt --upgradeTambién se requieren Pytorch y TorchVision, pero ya se deben instalar. (Consulte el repositorio principal de Comfyui para los detalles de la instalación).
Puede encontrar problemas al intentar instalar DLIB en Windows. Aquí hay algunas soluciones posibles:
Es posible que deba tener CMake ya instalado en su sistema y CMakebin agregado a su ruta para construir DLIB.
path t o p ython.exe -m pip install easydict matplotlib opencv-python scikit-image scipy
path t o p ython.exe -m pip install cmake
path t o p ython.exe -m pip install dlib==19.24.1Alternativamente, algunas personas tienen ruedas preconstruidas para DLIB, sin embargo, puede que no haya construido con su versión de Python.
pathtopython.exe -m pip install pathtodlib.whl
Descargar - Modelos BOPBTL
Establezca device_ids como una lista separada por coma de ID de dispositivo (es decir, 0 o 1,2 ). Use -1 para CPU.
Lugar en models/vae/ .
Extraiga los siguientes modelos y colóquelos dentro de models/vae/ .
Extraiga los siguientes modelos y colóquelos dentro models/checkpoints/ .
Extraiga los siguientes modelos y colóquelos dentro models/checkpoints/ .
Descargar - shape_predictor_68_face_landmarks.dat
Extraiga los siguientes modelos y colóquelos dentro de models/facedetection/ (directorio personalizado).
Descargar - Modelos de mejora facial
Extraiga los siguientes modelos y colóquelos dentro models/checkpoints/ .
Establezca device_ids como una lista separada por coma de ID de dispositivo (es decir, 0 o 1,2 ). Use -1 para CPU.
Ejecutar los modelos puede fallar si las dimensiones de la imagen no son múltiplos de 8 o 16 píxeles (depende del modelo utilizado).
@inproceedings { wan2020bringing ,
title = { Bringing Old Photos Back to Life } ,
author = { Wan, Ziyu and Zhang, Bo and Chen, Dongdong and Zhang, Pan and Chen, Dong and Liao, Jing and Wen, Fang } ,
booktitle = { Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition } ,
pages = { 2747--2757 } ,
year = { 2020 }
} @article { wan2020old ,
title = { Old Photo Restoration via Deep Latent Space Translation } ,
author = { Wan, Ziyu and Zhang, Bo and Chen, Dongdong and Zhang, Pan and Chen, Dong and Liao, Jing and Wen, Fang } ,
journal = { arXiv preprint arXiv:2009.07047 } ,
year = { 2020 }
}Los códigos y el modelo previamente en este repositorio están bajo la licencia MIT según lo especificado por el archivo de licencia. Utilizamos nuestro conjunto de datos etiquetado para entrenar el modelo de detección de scratch.
Este proyecto ha adoptado el Código de Conducta Open Open Microsoft. Para obtener más información, consulte el Código de Conducta Preguntas frecuentes o comuníquese con [email protected] con cualquier pregunta o comentario adicional.
