dedecms 5.7 关闭网站,网页的版面设计是指,洛阳网站开发培训,网站怎么做关键词流量GFPGAN
GFPGAN#xff08;Generative Facial Prior-GAN#xff09;是由腾讯ARC#xff08;Applied Research Center#xff09;开发的一种实用的真实世界人脸修复算法。它专门设计用于人脸图像的生成和优化#xff0c;尤其在低质量人脸图像的超分辨率恢复方面表现出色。以…GFPGAN
GFPGANGenerative Facial Prior-GAN是由腾讯ARCApplied Research Center开发的一种实用的真实世界人脸修复算法。它专门设计用于人脸图像的生成和优化尤其在低质量人脸图像的超分辨率恢复方面表现出色。以下是GFPGAN的一些主要特点和功能 高分辨率生成GFPGAN能够生成高分辨率的人脸图像在生成过程中能够保持细节和真实感。 人脸美化GFPGAN可以对输入的人脸图像进行美化和优化去除皱纹、瑕疵增强肤色等。 多样性控制用户可以通过调整参数来控制生成图像的风格和特征例如改变年龄、性别、肤色等。 利用预训练人脸GAN的先验知识GFPGAN利用预训练人脸GAN如StyleGAN2中蕴含的丰富和多样化的先验知识来指导人脸修复过程。 盲修复GFPGAN不需要对输入图像有任何先验假设可以实现真正的盲修复。 生成结果自然身份一致性好GFPGAN生成的结果更加自然身份一致性好。 处理非常低质量的输入图像GFPGAN可以处理非常低质量的输入图像。 支持对非人脸区域背景进行增强GFPGAN还支持对非人脸区域背景进行增强。 易于部署提供了无需CUDA扩展的“干净”版本易于部署。
GFPGAN通过结合生成对抗网络GAN和门控频率先验技术巧妙地结合了高频细节恢复与低频结构保持旨在精确恢复图像的细节同时保持人像的整体结构从而实现更加自然、真实的结果。它的工作原理主要包括输入一张需要修复的人脸图像利用预训练的人脸GAN提取丰富的人脸先验知识设计一个GAN网络生成器负责修复图像判别器负责区分真实和生成的图像在训练过程中生成器学习如何利用人脸先验知识来修复输入图像。
过程 源码下载https://github.com/TencentARC/GFPGAN 安装basicsrpip install basicsr 安装facexlibpip install facexlib 下载预训练模型也可以直接下载放到本地项目对应位置
wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models5. 直接推理 python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2报错如下
根据报错查了下原因因为这个问题通常是由于在 PyTorch 2.0 以上的版本中torchvision.transforms.functional_tensor 模块的命名发生了变化。在新版本中该模块名前增加了一个下划线正确的模块名应该是 torchvision.transforms._functional_tensor。因此修改上面下载的basicsr源码中degradations.py文件中的导入库functional_tensor改成_functional_tensor 。 【所以最好还是重新配置一个纯净的pytorch虚拟环境最省事别依赖已有的pytorch环境~~】 继续推理 python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2 下载下来的模型权重detection_Resnet50_Final.pth、parsing_parsenet.pth 结果cmp、cropped_faces、restored_faces、restored_imgs四个文件夹 cmp文件夹测试图像的人脸修复前后对比图效果还是非常不错的。 cropped_faces 文件夹从测试图像集中裁剪出人脸部分原图 restored_faces 文件夹存储修复增强后人脸图像 restored_imgs 文件夹存储人脸修复增强后的完整图片。 修复前后完整图片对比修复增强后 修复增强后
后续
后续有时间根据源码训练自己的模型。
