英語|简体中文

1. 💥 更新されたオンラインデモ: .これがバックアップです。
2. 💥 更新されたオンラインデモ:
3. GFPGANのコラボデモ;(元の紙モデルの別のColabデモ)

🚀 私たちの仕事に関心をお寄せいただきありがとうございます。また、Real-ESRGAN 😊のアニメ画像とビデオの小さなモデルに関する新しいアップデートを確認することもできます

GFPGANは、実世界の顔復元のための実用的なアルゴリズムの開発を目指しています。
事前にトレーニングされた顔のGAN(StyleGAN2など)にカプセル化された豊富で多様な事前確率を活用して、ブラインドフェイスの修復を行います。

❓ よくある質問は FAQ.md にあります。

🚩 最新情報

• ✅ 復元以前の推論コードを追加します。
• ✅ V1.3 よりも少し詳細で優れた ID を生成する V1.4 モデルを追加します。
• ✅ V1.3モデルを追加すると、より自然な復元結果が得られ、非常に低品質/高品質の入力でより良い結果が得られます。Comparisons.md 年モデル動物園の続きを見る
• ✅ グラジオでハギングフェイススペースに統合されています。Gradio Web デモを参照してください。
• ✅ Real-ESRGAN を使用した非顔領域 (背景) の強化をサポートします。
• ✅ CUDA拡張機能を必要としないGFPGANのクリーンバージョンを提供します。
• ✅ 顔に色を付けずに更新されたモデルを提供します。

GFPGANが写真/プロジェクトに役立つ場合は、このリポジトリを支援する⭐か、友達に勧めてください。ありがとう😊 その他の推奨プロジェクト: Real-ESRGAN: 一般的な画像復元のための実用的なアルゴリズム BasicSR: オープンソースの画像およびビデオ復元
▶️ツールボックス
▶️ facexlib: 便利な顔関係関数
▶️を提供するコレクション ハンディビュー:
▶️ 表示と比較に便利な PyQt5 ベースの画像ビューア

📖GFP-GAN:ジェネレーティブフェイシャルプリアーによる現実世界のブラインドフェイス修復に向けて

[論文][プロジェクトページ][デモ]
王 新濤, 李 玉, 張 宏倫, 英山
応用研究センター (ARC), テンセントPCG

🔧依存関係とインストール

• Python > = 3.7 (アナコンダまたはミニコンダの使用を推奨))
• パイトーチ >= 1.7
• オプション: NVIDIA GPU + CUDA
• オプション: リナックス

取り付け

カスタマイズされたCUDA拡張機能を必要としないGFPGANのクリーンバージョンを提供するようになりました。
本稿のオリジナルモデルを使用する場合は、インストール PaperModel.md を参照してください。

1. クローン・リポジトリ

   git clone https://github.com/TencentARC/GFPGAN.git
   cd GFPGAN

2. 依存パッケージのインストール

   # Install basicsr - https://github.com/xinntao/BasicSR
   # We use BasicSR for both training and inference
   pip install basicsr
   
   # Install facexlib - https://github.com/xinntao/facexlib
   # We use face detection and face restoration helper in the facexlib package
   pip install facexlib
   
   pip install -r requirements.txt
   python setup.py develop
   
   # If you want to enhance the background (non-face) regions with Real-ESRGAN,
   # you also need to install the realesrgan package
   pip install realesrgan

⚡ クイック推論

例としてv1.3バージョンを取り上げます。その他のモデルについては、こちらをご覧ください。

事前トレーニング済みモデルのダウンロード: GFPGANv1.3.pth

wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models

推論！

python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2

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

本稿で元のモデルを使用したい場合は、インストールと推論について PaperModel.md を参照してください。

🏰モデル動物園

比較は Comparisons.md です。

V1.3 が V1.2 よりも優れているとは限らないことに注意してください。目的と入力に基づいて異なるモデルを選択する必要がある場合があります。

あなたはここでより多くのモデル(差別器など)を見つけることができます: [Googleドライブ]、または[テンセントクラウド腾讯微云]

💻訓練

GFPGANのトレーニングコードを提供しています(私たちの論文で使用)。
あなたはあなた自身のニーズに応じてそれを改善することができます。

ヒント

1. より高品質の面は、修復品質を向上させることができます。
2. 美容メイクなどの前処理が必要になる場合があります。

手続き

(顔コンポーネントのランドマークを必要としない単純なバージョン()を試すことができます。

options/train_gfpgan_v1_simple.yml

1. データセットの準備: FFHQ

2. 事前トレーニング済みのモデルやその他のデータをダウンロードします。それらをフォルダに入れます。

   experiments/pretrained_models

   1. 事前トレーニング済みのスタイルGAN2モデル: StyleGAN2_512_Cmul1_FFHQ_B12G4_scratch_800k.pth
   2. FFHQのコンポーネントの位置:FFHQ_eye_mouth_landmarks_512.pth
   3. シンプルなアークフェイスモデル: arcface_resnet18.pth

3. 構成ファイルを適宜変更します。

   options/train_gfpgan_v1.yml

4. 訓練

python -m torch.distributed.launch --nproc_per_node=4 --master_port=22021 gfpgan/train.py -opt options/train_gfpgan_v1.yml --launcher pytorch

📜ライセンスと確認

GFPGAN は Apache ライセンスバージョン 2.0 でリリースされています。

ビブテックス

@InProceedings{wang2021gfpgan,
    author = {Xintao Wang and Yu Li and Honglun Zhang and Ying Shan},
    title = {Towards Real-World Blind Face Restoration with Generative Facial Prior},
    booktitle={The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
    year = {2021}
}

📧接触

ご不明な点がございましたら、メールまたは .

xintao.wang@outlook.com

xintaowang@tencent.com