Comfyuiで古いまたは低品質の画像を強化します。オプションの機能には、自動スクラッチの削除と顔の強化が含まれます。多くの小さなチェックポイントとVAEをインストールする必要があります。
Microsoft/Bringing-Old-Photos-Back-to-Lifeに基づいています。
インストールする前に、仮想環境がアクティブになっていることを確認し、必要に応じて、PIPコマンドの前にターゲットPython実行可能ファイルをプレイズしてください。
cd ./ComfyUI-Bringing-Old-Photos-Back-to-Life/
path t o p ython.exe pip install -r requirements.txt --upgradePytorchとTorchvisionも必要ですが、すでにインストールする必要があります。 （インストールの詳細については、Main Comfyuiリポジトリを参照してください。）
WindowsにDLIBをインストールしようとしているときに問題に遭遇する可能性があります。いくつかの可能な解決策があります：
システムにcmakeを既にインストールし、 CMakebinパスに追加してdlibを構築する必要がある場合があります。
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あるいは、一部の人々はDLIB用の事前に構築されたホイールを持っていますが、Pythonのバージョンで構築されていない場合があります。
pathtopython.exe -m pip install pathtodlib.whl
ダウンロード-BOPBTLモデル
デバイスIDの分離リストとしてdevice_idsを設定します（つまり、 0または1,2 ）。 CPUに-1使用します。
models/vae/に配置します。
次のモデルを抽出し、それらをmodels/vae/内に配置します。
次のモデルを抽出し、それらをmodels/checkpoints/内に配置します。
次のモデルを抽出し、それらをmodels/checkpoints/内に配置します。
ダウンロード-Shape_predictor_68_face_landmarks.dat
次のモデルを抽出し、それらをmodels/facedetection/ （カスタムディレクトリ）。
ダウンロード - フェイスエンハンスメントモデル
次のモデルを抽出し、それらをmodels/checkpoints/内に配置します。
デバイスIDの分離リストとしてdevice_idsを設定します（つまり、 0または1,2 ）。 CPUに-1使用します。
画像寸法が8ピクセルまたは16ピクセルの倍数ではない場合、モデルを実行すると故障する可能性があります（使用するモデルによって異なります）。
@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 }
}このリポジトリのコードと前処理されたモデルは、ライセンスファイルで指定されたMITライセンスの下にあります。ラベル付きデータセットを使用して、スクラッチ検出モデルをトレーニングします。
このプロジェクトは、Microsoftのオープンソース行動規範を採用しています。詳細については、FAQのコードを参照するか、追加の質問やコメントについては[email protected]にお問い合わせください。
