腾讯老照片修复算法开源,细节到头发丝,3种预训练模型可下载 | 您所在的位置:网站首页 › 快速修复老照片 › 腾讯老照片修复算法开源,细节到头发丝,3种预训练模型可下载 |
明敏 发自 凹非寺
量子位 | 公众号 QbitAI 还记得这个能将老照片修复到纤毫毕现的GFPGAN吗? ![]() 现在,它的代码正式开源了! 官方已经在GitHub上传了3个预训练模型,3个版本的效果区别如下: ![]() 其中,V1.3是最近更新的一版,修复效果更加自然。同时还能在低质量输入的情况下,输出高质量结果。 自上线以来,GFPGAN已经在GitHub上揽星1.7w+,还曾登顶过热榜第一。 更是在推特上引起过一波试玩热潮: ![]() 这一项目由腾讯PCG ARC实验室提出,其相关论文已被CVPR2021收录。 3种预训练模型可挑选开源代码主要分为预训练和训练两个部分。 预训练中以GFPGAN的V1.3版本为例,给出了预训练模型的下载地址: 代码语言:javascript复制wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P Experiments/pretrained_models然后,只需一行代码就能开始预训练模型推理了: 代码语言:javascript复制python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2具体介绍如下: 代码语言:javascript复制Usage: python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2 [options]... -h show this help -i input Input image or folder. Default: inputs/whole_imgs -o output Output folder. Default: results -v version GFPGAN model version. Option: 1 | 1.2 | 1.3. Default: 1.3 -s upscale The final upsampling scale of the image. Default: 2 -bg_upsampler background upsampler. Default: realesrgan -bg_tile Tile size for background sampler, 0 for no tile during testing. Default: 400 -suffix Suffix of the restored faces -only_center_face Only restore the center face -aligned Input are aligned faces -ext Image extension. Options: auto | jpg | png, auto means using the same extension as inputs. Default: auto在这里,官方还展示了3种预训练模型的区别在哪里。 ![]() 与初始版本相比,后两版在修复精度上有了明显提升。 V1.2的锐化更明显,同时还带有一些美颜效果,所以在一些情况下会比较假面。 V1.3明显解决了这一问题,使得输出更加自然,还能进行二次修复;不过弊端是人物面部特征有时会发生变化(比如下图中的安妮·海瑟薇示例)。 ![]() 总之,V1.3并不完全优于V1.2,大家可以按需选取合适的模型。 接下来到了训练部分。 首先,数据集选用FFHQ; 然后,将下载好的预训练模型其他数据放在experiments/pretrained_models文件夹里。 其他数据包括: 预训练好的StyleGAN2模型,FFHQ人脸对齐模型文件和ArcFace模型。 接下来,修改相对应的配置文件options/train_gfpgan_v1.yml。 在这里,也可以尝试不使用人脸对齐的简单版本options/train_gfpgan_v1_simple.yml。 最后,就可以开始训练了。 代码语言:javascript复制python -m torch.distributed.launch —nproc_per_node=4 —master_port=22021 gfpgan/train.py -opt options/train_gfpgan_v1.yml —launcher pytorch此外,官方还有两则提醒。 第一,输入更多高质量的人脸图像,可以提高修复的效果。 第二,训练中可能需要进行一些图像预处理,比如美颜。 如果你选择训练V1.2版本,官方还给出了微调指南: GFPGAN V1.2采用了clean架构,更加方便部署;它是从一个双线性模型转换而来,因此需要对其原有模型微调,然后再进行转换。 Demo试玩除了开源代码,官方也早已开通了多个线上试玩通道。 在这里,我们用HuggingFace来给大家展示具体效果。 先来看看修复后的蒙娜丽莎女士,不仅面部的噪点都被去掉了,甚至连头发上的纱巾都清晰可见。 ![]() 修复的爱因斯坦,笑起来时脸上的褶皱更加明显,头发丝、胡茬也都被还原了出来。 ![]() 最后再来看看修复后的青年马化腾,这照片清晰地仿佛像昨天才拍出来一样。 ![]() GFPGAN能够快速、高清地修复各种人脸图像,主要是应用了盲脸修复 (blind face restoration)。 传统人脸修复方法主要针对同一场景下、特定退化的人脸图像修复。 比如此前一些人脸修复方法,会把奥巴马的照片还原为白人面孔。这背后除了数据集存在偏差,还可能是算法没有为每张人脸特征性建模。 ![]() 盲脸修复就很好解决了这一弊端,它是指当点扩展函数未知或不确知的情况下,从低质的待修复人脸图像恢复出清晰、高质的目标人脸图像的过程。 本质上是一种非匹配性的人脸修复方法。 不过此前的一些盲脸修复方法在细节上表现不好,由此作者在GFPGAN中引入丰富的先验信息,从而来保证高质量的输出效果。 ![]() 具体来看,在GFP-GAN的模型框架中,主要用到了一个退化清除模块和一个预训练的GAN作为先验。 两个模块通过隐编码映射和多个信道分割空间特征变化层(CS-SFT)连接。 训练过程中,首先要对低质量人脸进行降噪等粗处理,然后保留面部信息。 在保真度方面,研究人员引入了一个面部损失( Facial Component Loss),判断哪些细节需要提升保留,然后再用识别保留损失(Identity Preserving Loss)进行修复。 团队介绍本文论文一作是Xintao Wang,他是腾讯 ARC 实验室(深圳应用研究中心)的研究员。 本科毕业于浙江大学,博士毕业于香港中文大学。 其博士期间师从汤晓鸥教授和Chen Change Loy教授。 研究方向为计算机视觉和深度学习,尤其关注图像、视频修复方面。 ![]() GitHub地址: https://github.com/TencentARC/GFPGAN 论文地址: https://arxiv.org/abs/2101.04061 试玩地址: https://huggingface.co/spaces/akhaliq/GFPGAN — 完 — 本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容,未经账号授权,禁止随意转载。 直播报名 | 如何建立AI生态的“Android” 从感知到认知,AI还需要多久才能触及生产核心?从软件到数件,AI生态该如何建立自己“Android”? 3月16日19:30,「量子位·视点」CEO/CTO系列分享活动将邀请天云数据CEO雷涛直播分享个人见解。扫码预约直播围观吧~ ![]() ![]() 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 一键三连「分享」「点赞」和「在看」 科技前沿进展日日相见 ~ |
CopyRight 2018-2019 实验室设备网 版权所有 |