关于ide:GitHub-月榜第-3微软的老照片修复工具火了

35次阅读

共计 1971 个字符，预计需要花费 5 分钟才能阅读完成。

【导语】：一款借助 AI 对老照片疾速进行修复的工具，基于 PyTorch 实现，反对划痕检测、面部润饰、全局还原等操作。

简介

Bringing-Old-Photo-Back-to-life 是由微软钻研团队开发的一款修复旧照片的工具，基于 PyTorch 实现，反对划痕检测、面部润饰、全局还原等操作。

下载安装

我的项目的源码地址是：

https://github.com/microsoft/…

代码在装有 Nvidia GPU 和 CUDA 的 Ubuntu 上进行了测试，Python 版本要求大于等于 3.6，应用以下命令进行装置：

（1）下载 PyTorch 库

cd Face_Enhancement/models/networks/
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .
cd ../../../

cd Global/detection_models
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .
cd ../../

（2）下载 landmark 检测预训练模型

cd Face_Detection/
wget http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
bzip2 -d shape_predictor_68_face_landmarks.dat.bz2
cd ../

（3）从 Azure Blob 下载训练模型

cd Face_Enhancement/
wget https://facevc.blob.core.windows.net/zhanbo/old_photo/pretrain/Face_Enhancement/checkpoints.zip
unzip checkpoints.zip
cd ../
cd Global/
wget https://facevc.blob.core.windows.net/zhanbo/old_photo/pretrain/Global/checkpoints.zip
unzip checkpoints.zip
cd ../

（4）装置依赖

pip install -r requirements.txt

简略应用

在 Colab 上体验（免装置）

Colab 地址：（国内需木弟子）

https://colab.research.google…\_4DqDkQO0nFRB-uA?usp=sharing

关上 Colab 的界面：

登录 Google 后依据指引运行代码配置环境，配置好环境就能够上传本人的图片进行体验，小编简略尝试了 3 张网图，成果如下：

本地装置体验

依据文章结尾介绍的下载安装办法装置实现后，能够通过以下命令进行应用：

（1）没有划痕的图像：

python run.py --input_folder [test_image_folder_path] \
              --output_folder [output_path] \
              --GPU 0

要留神的是，这里须要的 output\_folder 参数值须要应用绝对路径，图像的修复后果将最终保留在 ./output\_path/final\_output/ 中。

我的项目样例成果：

（2）有划痕的图像：

python run.py --input_folder [test_image_folder_path] \
              --output_folder [output_path] \
              --GPU 0 \
              --with_scratch

我的项目样例成果：

钻研团队示意，他们不打算间接公布带有标签的有划痕的旧照片数据集，如果须要获取配对数据，能够应用他们的预训练模型来测试收集图像以取得标签：

cd Global/
python detection.py --test_path [test_image_folder_path] \
                    --output_dir [output_path] \
                    --input_size [resize_256|full_size|scale_256]

我的项目样例成果：

该我的项目目前由团队成员 Ziyu Wan 保护，仅供学术研究应用。