ComfyUI Bringing Old Photos Back to Life

comfyui-bringing Old-photos-back-to-life

增強comfyui中的舊圖像或低質量圖像。可選功能包括自動刮擦和增強面部。需要安裝許多小檢查站和VAE。

基於Microsoft/帶來了古老的倒影。

1。要求

在安裝之前，請確保激活任何虛擬環境，並在需要時，請在PIP命令之前預備目標python。

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

還需要pytorch和turchvision，但應該已經安裝。 （有關安裝詳細信息，請參見主Comfyui倉庫。）

安裝故障排除

在嘗試在Windows上安裝DLIB時，您可能會遇到問題。以下是一些可能的解決方案：

1. 手動安裝要求。

您可能需要在系統上安裝Cmake，並將CMakebin添加到您的路徑中以構建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. 在線查找預構建的車輪。

另外，有些人為Dlib提供了預製的車輪，但是，您的Python版本可能沒有任何構建。

 pathtopython.exe -m pip install pathtodlib.whl

2。型號

BOPBTL模型（第1階段）

下載-BOPBTL模型

負載還原舊照片型號

將device_ids設置為逗號分隔的設備ID列表（即0或1,2 ）。使用-1用於CPU。

vae_a

放置在models/vae/ 。

• 恢復/vae_a_quality/最終_net_g.pth

vae_b

提取以下型號並將其放置在models/vae/中。

• 恢復/vae_b_quality/最終_net_g.pth
• restoration/vae_b_scratch/最終_net_g.pth（scratch_detection）

mapping_net

提取以下型號並將其放置在models/checkpoints/中。

• restoration/mapping_quality/最終_net_mapping_net.pth
• restoration/mapping_scratch/最終_net_mapping_net.pth（scratch_detection）
• restoration/mapping_patch_atetention/最終_net_mapping_net.pth（mapping_patch_attention）

負載刮擦掩碼型號

scratch_model

提取以下型號並將其放置在models/checkpoints/中。

• 檢測/ft_epoch_latest.pt

面部檢測模型（第2-4階段）

負載面探測器模型（DLIB）

下載-shape_predictor_68_face_face_landmarks.dat

提取以下型號並將它們放入models/facedetection/ （自定義目錄）中。

shape_predictor_68_face_face_landmarks

• shape_predictor_68_face_face_landmarks.dat

負載面增強器模型

下載 - 面部增強模型

提取以下型號並將其放置在models/checkpoints/中。

將device_ids設置為逗號分隔的設備ID列表（即0或1,2 ）。使用-1用於CPU。

face_enhance_model

• setter_9_epoch_100/最終_net_g.pth（256x256）
• facesr_512/最終_net_g.pth（512x512）

3。工作流程

BOPBTL +刮擦檢測和麵部增強（第1-4階段）

面部增強（高級）（第2-4階段）

X4 BOPBTL +刮擦檢測和麵部增強（高級）（第1-4階段）

使用Comfyui-Image-Round節點

如果圖像尺寸不是8或16像素的倍數，則運行模型可能會失敗（取決於所使用的模型）。

4。提示

• 可能需要將圖像縮放/裁剪/填充到最近的8或16像素以避免崩潰。 （使用我的其他comfyui-image-round節點。）
• 如果未發現面部，“檢測面（DLIB）”和“增強面”節點目前將返回原始圖像。

引用

 @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 }
}

執照

該存儲庫中的代碼和驗證模型均在許可證文件指定的MIT許可下。我們使用標記的數據集訓練刮擦檢測模型。

該項目採用了Microsoft開源的行為代碼。有關更多信息，請參見《行為守則常見問題守則》或與其他問題或評論聯繫[email protected]。