| 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 |
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。  盲脸修复+大量先验信息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 ~ |
【本文地址】