| 深度学习系列46：人脸图像超分GFP | 您所在的位置：网站首页 › 人脸修复超清素材 › 深度学习系列46：人脸图像超分GFP |
深度学习系列46：人脸图像超分GFP
|
1. 介绍
GFP-GAN由腾讯ARC实验室出品，测试下来效果很不错。 模型用于从低质量的人脸中恢复出高质量人脸。这些质量较低的肖像图可能由各种原因导致退化，如低分辨率，噪音，模糊或是被压缩。 主流的图像修复技术还是对抗生成网络GAN，但如何用好GAN是个学问。本模型使用了生成性面部先验模型（Generative Facial Prior, GFP），通过空间特征变换层被纳入到面部恢复过程中，这使得该方法能够实现真实性和保真度的良好平衡。 目前有3个pretrain模型，默认使用v1.3：
将styleGAN的生成器拿过来直接用~ 用经过了重建损失函数的
F
s
p
a
t
i
a
l
F_{spatial}
Fspatial可以更好的提高保真性，与前面的
F
G
A
N
F_{GAN}
FGAN进行连接，连接方法为SFT。
https://github.com/TencentARC/GFPGAN git clone https://github.com/TencentARC/GFPGAN.git cd GFPGAN pip install basicsr # 用于推理和训练，https://github.com/xinntao/BasicSR pip install facexlib # 用于人脸检测，https://github.com/xinntao/facexlib pip install -r requirements.txt python setup.py develop pip install realesrgan # 非人脸区域超分，使用Real-ESRGAN然后下载模型，这里可以离线下载： wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models no-check-certificate执行推理： python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2 参数说明如下： 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如果用cpu的话，有几个地方需要修改： inference_gfpgan.py中，允许cpu，并将half改为False： 此外，python3.7/site-packages/facexlib/utils中加上兼容cpu的代码： 
|
模型总图如下： 
去退化模块为一个UNet，在UNet解码器的每个分辨率尺度输出图像，使用L1损失函数监督去退化模块。
保真性损失使用ArcFace人脸识别模型。【本文地址】
公司简介
联系我们