CodeFormer: restauración facial de imágenes y vídeos, restauración de fotos antiguas, ofrece una versión de despliegue con un solo clic
Últimos recursos sobre IAActualizado hace 11 meses Círculo de intercambio de inteligencia artificial 3.1K 00
CodeFormer Introducción general
CodeFormer es una base de código para la reparación robusta de rostros a ciegas, desarrollada por un equipo de investigadores del S-Lab de la Universidad Tecnológica de Nanyang y presentada en NeurIPS 2022. Utilizando la tecnología Codebook Lookup Transformer, el proyecto pretende mejorar la reparación de rostros en imágenes, especialmente cuando se trata de imágenes de baja calidad o corruptas.CodeFormer ofrece una amplia gama de funciones, como reparación de rostros, coloreado y parcheado, para una gran variedad de necesidades de procesamiento de imágenes. Además, el proyecto admite la entrada de vídeo y ofrece demostraciones en línea fáciles de usar, modelos preentrenados e instrucciones detalladas de uso.
Deben leerse estrictamente las instrucciones de uso o no funcionará correctamente. Cuando se vende formalmente comercialmente como restauración de fotos antiguas, se requiere una base PS simple, de lo contrario no va a lograr el mismo efecto en línea.


CodeFormer intenta mejorar fotos antiguas / arreglar retratos con IA

CodeFormer Reparación facial

CodeFormer Realce y restauración del color facial

CodeFormer Reparación facial
Lista de funciones de CodeFormer
- restauración facialMejora la claridad y el detalle de las imágenes faciales corruptas o de baja calidad con la tecnología de conversión de búsqueda de libros de códigos.
- Coloreado de imágenes: Añade color natural a imágenes en blanco y negro o descoloridas.
- Reparación de imágenes: Repara las partes que faltan de una imagen para completarla.
- Tratamiento de vídeo: Admite la reparación y mejora de rostros en vídeos.
- Demostración en líneaFunción de demostración en línea: se ofrece una función de demostración en línea para que los usuarios puedan experimentar la restauración directamente en sus navegadores.
Ayuda de CodeFormer
Proceso de instalación
- Clonación del código base::
git clone https://github.com/sczhou/CodeFormer cd CodeFormer
- Crear y activar un entorno virtual::
conda create -n codeformer python=3.8 -y conda activate codeformer
- Instalación de dependencias::
pip install -r requirements.txt python basicsr/setup.py develop conda install -c conda-forge dlib
- Descargar modelo preentrenado::
python scripts/download_pretrained_models.py facelib python scripts/download_pretrained_models.py dlib python scripts/download_pretrained_models.py CodeFormer
Proceso de utilización
- Preparación de los datos de prueba: Coloque la imagen de prueba en el
inputs/TestWhole
carpeta. Si necesita probar imágenes de caras recortadas y alineadas, puede colocarlas en la carpetainputs/cropped_faces
carpeta. - Ejecutar el código de inferencia::
python inference_codeformer.py --input_path inputs/TestWhole --output_path results
Este comando procesará el
inputs/TestWhole
con todas las imágenes y guarde los resultados en la carpetaresults
carpeta.
Función Flujo de operaciones
- restauración facial::
- Coloque la imagen que desea restaurar en el
inputs/TestWhole
Carpeta. - Ejecuta el código de inferencia para generar la imagen reparada.
- Coloque la imagen que desea restaurar en el
- Coloreado de imágenes::
- Coloque una imagen en blanco y negro en el
inputs/TestWhole
Carpeta. - utilizar
inference_colorization.py
Guión para colorear.
- Coloque una imagen en blanco y negro en el
- Reparación de imágenes::
- Coloque la imagen a parchear en el
inputs/TestWhole
Carpeta. - utilizar
inference_inpainting.py
Scripts para parchear.
- Coloque la imagen a parchear en el
- Tratamiento de vídeo::
- Coloca el archivo de vídeo en la carpeta especificada.
- Ejecuta el código de inferencia para procesar las caras del vídeo.
Restauración facial (recorte y alineación del rostro)
# Para caras recortadas y alineadas
python inference_codeformer.py -w 0.5 --has_aligned --input_path [carpeta de entrada]
Mejora general de la imagen
# Para toda la imagen
# Añade '---bg_upsampler realesrgan' para realzar las regiones de fondo con Real-ESRGAN
# Añade "--face_upsample" para aumentar la muestra de la cara restaurada con Real-ESRGAN.
python inference_codeformer.py -w 0.7 --input_path [carpeta de imágenes/ruta de imágenes]
mejora de vídeo
# Para videoclips
python inference_codeformer.py --bg_upsampler realrgan --face_upsample -w 1.0 --input_path
El peso de fidelidad w se sitúa en [0, 1]. En general, w más pequeño tiende a producir resultados de mayor calidad, mientras que w más grande produce resultados de mayor fidelidad.
Los resultados se guardarán en la carpeta de resultados.
Kit de implantación de CodeFormer con un solo clic
CodeFormer WebUI (Contraseña niugee51)
© declaración de copyright
Derechos de autor del artículo Círculo de intercambio de inteligencia artificial Todos, por favor no reproducir sin permiso.
Artículos relacionados
Sin comentarios...