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 |
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:![]() ![]() |
CopyRight 2018-2019 实验室设备网 版权所有 |