Blur2Blur 다운로드 - Blur2Blur 소스 코드 다운로드

블러2블러

기타 소스코드

다운로드

"Blur2Blur: 알 수 없는 도메인에서 감독되지 않은 이미지 디블러링을 위한 블러 변환"(CVPR'24)의 공식 Pytorch 구현

방당 팜(Bang-Dang Pham) · 퐁 쩐(Phong Tran) · 안 쩐(Anh Tran) · 쿠옹 팜(Cuong Pham) · 랑 응우옌(Rang Nguyen) · 민 호아이(Minh Hoai)

VinAI 리서치, 베트남

요약 : Blur2Blur는 알 수 없는 블러의 이미지를 알려진 블러로 변환합니다. 이 버전은 감독 디블러링 모델을 통해 효과적으로 훈련되고 캡처된 다른 블러 커널을 적용하면서 원본 콘텐츠를 유지합니다.

개요 : 이 논문은 특정 카메라 장치에 맞춰진 이미지 디블러링 알고리즘을 훈련시키기 위해 설계된 혁신적인 프레임워크를 제시합니다. 이 알고리즘은 디블러 처리가 어려운 흐릿한 입력 이미지를 디블러 처리에 더 적합한 또 다른 흐릿한 이미지로 변환하는 방식으로 작동합니다. 하나의 흐릿한 상태에서 다른 상태로의 변환 프로세스는 대상 카메라 장치에서 캡처한 선명하고 흐릿한 이미지로 구성된 페어링되지 않은 데이터를 활용합니다. 이러한 흐림-흐림 변환을 학습하는 것은 미세한 이미지 세부 사항을 재구성하는 복잡한 작업보다는 주로 흐림 패턴 수정을 포함하기 때문에 직접적인 흐림-선명 변환보다 본질적으로 더 간단합니다. 제안된 접근 방식의 효율성은 다양한 벤치마크에 대한 포괄적인 실험을 통해 입증되었으며, 양적, 질적 모두에서 최첨단 방법보다 훨씬 뛰어난 성능을 보였습니다.

모델 아키텍처 및 실험 결과에 대한 자세한 내용은 다음 논문에서 확인할 수 있습니다.

 @inproceedings { pham2024blur2blur ,
 author = { Pham, Bang-Dang and Tran, Phong and Tran, Anh and Pham, Cuong and Nguyen, Rang and Hoai, Minh } ,
 booktitle = { Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) } ,
 title = { Blur2Blur: Blur Conversion for Unsupervised Image Deblurring on Unknown Domains } ,
 year = { 2024 }
}

이 저장소가 출판된 결과를 생성하는 데 사용되거나 다른 소프트웨어에 통합될 때마다 우리 논문을 인용해 주세요 .

시작하기

전제 조건

파이썬 >= 3.7
파이토치 >= 1.9.0
쿠다 >= 10.0

설치

종속성을 설치합니다.

git clone https://github.com/VinAIResearch/Blur2Blur
cd Blur2Blur

conda create -n blur2blur python=3.9  
conda activate blur2blur  
pip install -r requirements.txt

데이터세트?

데이터 준비

다음 스크립트에 따라 제안된 RB2V 데이터세트를 다운로드할 수 있습니다.

 chmod +x ./dataset/download_RB2V.sh
bash ./dataset/download_RB2V.sh

데이터 세트 REDS, GoPro 및 RSBlur를 다운로드한 후 ./dataset 폴더에 압축을 풀고 다음 형식에 따라 구성합니다.

 데이터 세트
├── 알 수 없는 데이터 세트의 이름(예: RB2V-GoPro)
    ├── 기차A
    ├──── (Train) Unknown Blur의 흐릿한 세트
    ├──── ...
    ├── 트레인B
    ├──── (Train) Unknown Blur의 샤프 세트
    ├──── ...
    ├── 기차C
    ├──── (Train) Known Blur의 흐릿한 세트
    ├──── ...
    ├── 기차D
    ├──── (Train) Known Blur의 샤프 세트
    ├──── ...
    ├── 테스트A
    ├──── (테스트) 알 수 없는 블러의 흐릿한 세트
    ├──── ...

어디:

trainA, trainB : 블러 커널 변환을 위한 Unknown Blur 데이터세트의 블러/샤프 이미지입니다.
trainC, trainD : 대상 흐림 도메인에 대한 알려진 흐림 데이터세트의 흐림/선명 이미지입니다.
testA : Unknown Blur 데이터 세트의 test-set 에서 가져온 흐린 이미지입니다.

블러2블러

훈련

모델을 훈련하려면 다음을 수행하십시오.

python train.py --dataroot path/to/dataset 
                --name exp_name 
                --model blur2blur --netG mimounet 
                --batch_size 1 
                --dataset_mode unaligned 
                --norm instance --pool_size 0 
                --display_id -1

또는

bash ./scripts/train.sh

Blur2Blur 사용

모델을 평가하려면 다음을 수행하세요.

python test.py --dataroot datasets/GoPro/b2b_exp/RB2V_GOPRO_filter 
                --name exp_name 
                --eval 
                --model blur2blur --netG mimounet 
                --checkpoints_dir ckpts/ 
                --dataset_mode unaligned 
                --norm instance

또는