ComfyUI Bringing Old Photos Back to Life

Comfyui-bringing-fotos-back-to-life

Tingkatkan gambar lama atau berkualitas rendah di comfyui. Fitur opsional termasuk penghapusan goresan otomatis dan peningkatan wajah. Membutuhkan pemasangan sejumlah pos pemeriksaan kecil dan VAE.

Berdasarkan Microsoft/Membawa Foto-Back-to-Life.

1. Persyaratan

Sebelum menginstal, pastikan bahwa lingkungan virtual diaktifkan dan jika diperlukan, persiapkan target Python yang dapat dieksekusi sebelum perintah PIP.

 cd ./ComfyUI-Bringing-Old-Photos-Back-to-Life/
path t o p ython.exe pip install -r requirements.txt --upgrade

Pytorch dan TorchVision juga diperlukan, tetapi seharusnya sudah dipasang. (Lihat repo COMFYUI utama untuk detail instalasi.)

Pemecahan Masalah Instalasi

Anda mungkin mengalami masalah saat mencoba menginstal DLIB di Windows. Berikut beberapa solusi yang mungkin:

1. Pasang persyaratan secara manual.

Anda mungkin perlu memiliki cmake yang sudah diinstal pada sistem Anda dan CMakebin ditambahkan ke jalur Anda untuk membangun 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==19.24.1

2. Temukan roda pre-built online.

Sebagai alternatif, beberapa orang memiliki roda pra-built untuk DLIB, namun, mungkin tidak ada yang dibangun dengan versi Python Anda.

 pathtopython.exe -m pip install pathtodlib.whl

2. Model

Model BOPBTL (Tahap 1)

Unduh - Model BOPBTL

Muatkan Muat Model Foto Lama

Atur device_ids sebagai daftar ID perangkat yang terpisah koma (yaitu 0 atau 1,2 ). Gunakan -1 untuk CPU.

vae_a

Tempatkan dalam models/vae/ .

• Restorasi/VAE_A_QUALTY/LARDER_NET_G.PTH

vae_b

Ekstrak model berikut dan letakkan di dalam models/vae/ .

• Restorasi/VAE_B_QUALTY/LARDER_NET_G.PTH
• Restorasi/VAE_B_SCRATCH/LARDER_NET_G.PTH (Scratch_Detection)

mapping_net

Ekstrak model berikut dan letakkan di dalam models/checkpoints/ .

• restorasi/mapping_quality/terbaru_net_mapping_net.pth
• restorasi/mapping_scratch/terbaru_net_mapping_net.pth (scratch_detection)
• restorasi/mapping_patch_attention/terbaru_net_mapping_net.pth (mapping_patch_attention)

Muat model topeng goresan

Scratch_model

Ekstrak model berikut dan letakkan di dalam models/checkpoints/ .

• Deteksi/ft_epoch_latest.pt

Model Deteksi Wajah (Tahapan 2-4)

Model Detektor Face Load (DLIB)

Unduh - shape_predictor_68_face_landmarks.dat

Ekstrak model berikut dan letakkan di dalam models/facedetection/ (direktori khusus).

shape_predictor_68_face_landmarks

• shape_predictor_68_face_landmarks.dat

Memuat model penambah wajah

Unduh - Model Peningkatan Wajah

Ekstrak model berikut dan letakkan di dalam models/checkpoints/ .

Atur device_ids sebagai daftar ID perangkat yang terpisah koma (yaitu 0 atau 1,2 ). Gunakan -1 untuk CPU.

face_enhance_model

• Pengaturan_9_epoch_100/LARDER_NET_G.PTH (256x256)
• FacESR_512/LARDER_NET_G.PTH (512x512)

3. Alur kerja

BOPBTL + Deteksi Gores dan Peningkatan Wajah (Tahapan 1-4)

Peningkatan Wajah (Lanjutan) (Tahapan 2-4)

X4 BOPBTL + Deteksi Gores dan Peningkatan Wajah (Lanjutan) (Tahapan 1-4)

Menggunakan node comfyui-image-round

Menjalankan model mungkin gagal jika dimensi gambar bukan kelipatan 8 atau 16 piksel (tergantung pada model yang digunakan).

4. Petunjuk

• Gambar mungkin perlu diskalakan/dipotong/empuk ke 8 atau 16 piksel terdekat untuk menghindari kecelakaan. (Gunakan sesuatu seperti node comfyui-image-round saya yang lain.)
• "Detect Faces (DLIB)" dan "Enhance Faces" node saat ini akan mengembalikan gambar asli jika tidak ada wajah yang ditemukan.

Kutipan

 @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 }
}

Lisensi

Kode dan model pretrained dalam repositori ini berada di bawah lisensi MIT sebagaimana ditentukan oleh file lisensi. Kami menggunakan dataset berlabel kami untuk melatih model deteksi awal.

Proyek ini telah mengadopsi kode perilaku open source Microsoft. Untuk informasi lebih lanjut, lihat FAQ Kode Perilaku atau hubungi [email protected] dengan pertanyaan atau komentar tambahan.