Download EDVR - Download do código-fonte EDVR

EDVR

Pitão

1.0.0

Baixar

O EDVR foi incorporado ao BasicSR. Este repositório GitHub é um espelho do BasicSR. Recomendamos usar BasicSR e problemas abertos, solicitações pull, etc. em BasicSR.

Observe que esta versão não é compatível com versões anteriores. Se você quiser usar os anteriores, consulte o branch old_version .

BásicoSR

Inglês |简体中文 GitHub | Gitee

Google Colab: link do GitHub | Link do Google Drive
Ⓜ️ Model Zoo ⏬ Google Drive: modelos pré-treinados | Experimentos Reproduzidos ⏬ 百度网盘: 预训练模型|复现实验
? Conjuntos de dados ⏬ Google Drive ⏬ 百度网盘 (提取码:basr)
? Curvas de treinamento no wandb
Comandos para treinamento e teste
⚡ COMO FAZER

BasicSR ( Basic Super Restoration ) é uma caixa de ferramentas de restauração de imagem e vídeo de código aberto baseada em PyTorch, como super-resolução, remoção de ruído, desfoque, remoção de artefatos JPEG, etc.
_{(ESRGAN, EDVR, DNI, SFTGAN)} _{(HandyView, HandyFigure, HandyCrawler, HandyWriting)}

Novos recursos

29 de novembro de 2020. Adicione a demonstração ESRGAN e DFDNet colab.
8 de setembro de 2020. Adicionar códigos de inferência de restauração de face cega : DFDNet.
27 de agosto de 2020. Adicione códigos de treinamento e teste StyleGAN2 : StyleGAN2.

Mais

8 de setembro de 2020. Adicionar códigos de inferência de restauração de face cega : DFDNet .
ECCV20: Restauração de rosto cego por meio de dicionários profundos de componentes multiescala
Xiaoming Li, Chaofeng Chen, Shangchen Zhou, Xianhui Lin, Wangmeng Zuo e Lei Zhang
27 de agosto de 2020. Adicione códigos de treinamento e teste StyleGAN2 .
CVPR20: Analisando e melhorando a qualidade da imagem do StyleGAN
Tero Karras, Samuli Laine, Miika Aittala, Janne Hellsten, Jaakko Lehtinen e Timo Aila
19 de agosto de 2020. Um novo BasicSR v1.0.0 online.

⚡ COMO FAZER

Fornecemos pipelines simples para treinar/testar/inferência de modelos para início rápido. Esses pipelines/comandos não podem cobrir todos os casos e mais detalhes estão nas seções a seguir.

GAN
EstiloGAN2	Trem	Inferência
Restauração facial
DFDNet	-	Inferência
Super resolução
ESRGAN	PENDÊNCIA	PENDÊNCIA	SRGAN	PENDÊNCIA	PENDÊNCIA
EDSR	PENDÊNCIA	PENDÊNCIA	SRResNet	PENDÊNCIA	PENDÊNCIA
RCAN	PENDÊNCIA	PENDÊNCIA
EDVR	PENDÊNCIA	PENDÊNCIA	DUF	-	PENDÊNCIA
VSR básico	PENDÊNCIA	PENDÊNCIA	TOF	-	PENDÊNCIA
Desfocar
DeblurGANv2	-	PENDÊNCIA
Denoise
RIDNet	-	PENDÊNCIA	CBDNet	-	PENDÊNCIA

? Dependências e Instalação

Python >= 3.7 (recomendamos usar Anaconda ou Miniconda)
PyTorch >= 1,3
GPU NVIDIA + CUDA

Clonar repositório

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

Instalar pacotes dependentes

 cd BasicSR
pip install -r requirements.txt

Instale o BasicSR
Execute os seguintes comandos no caminho raiz do BasicSR para instalar o BasicSR:
(Certifique-se de que sua versão do GCC: gcc >= 5)
Se você não precisa das extensões cuda:
dcn para EDVR
upfirdn2d e fused_act para StyleGAN2
por favor adicione --no_cuda_ext ao instalar
```
python setup.py develop --no_cuda_ext
```
Se você usar o modelo EDVR e StyleGAN2, as extensões cuda acima serão necessárias.
```
python setup.py develop
```
Você também pode especificar os caminhos CUDA:
```
CUDA_HOME=/usr/local/cuda 
CUDNN_INCLUDE_DIR=/usr/local/cuda 
CUDNN_LIB_DIR=/usr/local/cuda 
python setup.py develop
```

Observe que o BasicSR só é testado no Ubuntu e pode não ser adequado para Windows. Você pode experimentar o Windows WSL com suporte a CUDA :-) (agora está disponível apenas para compilação interna com Fast ring).

⏳ Lista de tarefas

Por favor, veja os painéis do projeto.

? Preparação do conjunto de dados

Consulte DatasetPreparation.md para obter mais detalhes.
As descrições dos conjuntos de dados atualmente suportados ( classes torch.utils.data.Dataset ) estão em Datasets.md.

Treinar e testar

Comandos de treinamento e teste : consulte TrainTest.md para o uso básico.
Opções/Configurações : Consulte Config.md.
Registro : consulte Logging.md.

? Zoológico modelo e linhas de base

As descrições dos modelos atualmente suportados estão em Models.md.
Modelos pré-treinados e exemplos de log estão disponíveis em ModelZoo.md .
Também fornecemos curvas de treinamento no wandb:

Projetos e convenções de base de código

Consulte DesignConvention.md para obter os designs e convenções da base de código BasicSR.
A figura abaixo mostra o quadro geral. Mais descrições para cada componente:
Conjuntos de dados.md | Modelos.md | Configuração.md | Log.md

estrutura_geral

Licença e Reconhecimento

Este projeto é lançado sob a licença Apache 2.0.
Mais detalhes sobre licença e reconhecimento estão em LICENSE.

? Citações

Se o BasicSR ajudar sua pesquisa ou trabalho, considere citar o BasicSR.
A seguir está uma referência do BibTeX. A entrada BibTeX requer o pacote 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}
}