DifFace:拡散エラー収縮によるブラインドフェイス修復

ゾンシェン・ユエ、チェン・チェンジ・ロイ

紙

⭐ DifFaceが画像やプロジェクトに役立つ場合は、このリポジトリにスターを付けてください。感謝！🤗

更新

• 2022.12.13: このリポジトリを作成します。

アプリケーション

👉古い写真の強化

👉顔の修復

必要条件

適切な conda 環境は、次のようにして作成およびアクティブ化できます。

DifFace

conda env create -f environment.yaml
conda activate taming

推論

👦顔画像の復元(トリミングと位置合わせ)

python inference_difface.py --aligned --in_path [image folder/image path] --out_path [result folder] --gpu_id [gpu index]

👫画像全体の強調

python inference_difface.py --in_path [image folder/image path] --out_path [result folder] --gpu_id [gpu index]

訓練

🐢データの準備

1. FFHQデータセットをダウンロードし、サイズを512x512に変更します。

python datapipe/prepare/face/big2small_face.py --face_dir [Face folder(1024x1024)] --save_dir [Saving folder] --pch_size 512 

2. イメージパスを 'データパイプ/files_txt/ffhq512' に抽出します.txt

python datapipe/prepare/face/split_train_val.py --face_dir [Face folder(512x512)] --save_dir [Saving folder] 

3. テストデータセットの作成

python datapipe/prepare/face/make_testing_data.py --files_txt datapipe/files_txt/ffhq512.txt --save_dir [Saving folder]  

🐬列車拡散モデル

CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --standalone --nproc_per_node=4 --nnodes=1 main_diffusion.py --cfg_path configs/training/diffsuion_ffhq512.yaml --save_dir [Logging Folder]  

🐳列車拡散推定量 (SwinIR)

CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --standalone --nproc_per_node=4 --nnodes=1 main_sr.py --cfg_path configs/training/swinir_ffhq512.yaml --save_dir [Logging Folder]  

ライセンス

このプロジェクトは、NTU S-Labライセンス1.0の下でライセンスされています。再配布と使用は、このライセンスに従う必要があります。

承認

このプロジェクトは、改良拡散モデルに基づいています。一部のコードは、BasicSR、YOLOv5-face、およびFaceXLibから取得されます。また、背景画像の強調をサポートするためにリアルESRGANを採用しています。彼らの素晴らしい作品をありがとう。

接触

ご不明な点がございましたら、お気軽にお問い合わせください。

zsyzam@gmail.com