CodeFormer : restauration d'images et de vidéos, restauration de vieilles photos, offre une version de déploiement en un clic
Introduction générale de CodeFormer
CodeFormer est une base de code pour la réparation robuste de visages à l'aveugle, développée par une équipe de chercheurs du S-Lab, Nanyang Technological University et présentée à NeurIPS 2022. En utilisant la technologie Codebook Lookup Transformer, le projet vise à améliorer la réparation des visages dans les images, en particulier lorsqu'il s'agit d'images de faible qualité ou corrompues.CodeFormer fournit une large gamme de fonctionnalités, y compris la réparation des visages, la coloration et le patching, pour une variété de besoins de traitement d'image. En outre, le projet prend en charge la saisie vidéo et propose des démonstrations en ligne faciles à utiliser, des modèles pré-entraînés et des instructions d'utilisation détaillées.
Le mode d'emploi doit être lu scrupuleusement, faute de quoi le produit ne fonctionnera pas correctement. En cas de vente commerciale de restauration de vieilles photos, une simple base PS est nécessaire, sinon l'effet ne sera pas le même en ligne.


CodeFormer tente d'améliorer de vieilles photos / de corriger des portraits d'IA

CodeFormer Face Repair

CodeFormer Amélioration et restauration de la couleur du visage

CodeFormer Face Repair
Liste des fonctionnalités de CodeFormer
- restauration du visageAméliorer la clarté et le détail des images de visages de faible qualité ou corrompues grâce à la technologie du convertisseur codebook lookup.
- Coloriage des imagesLes images en noir et blanc et les images délavées sont rehaussées de couleurs naturelles.
- Réparation d'images: Réparer les parties manquantes d'une image pour la rendre complète.
- Traitement vidéoLes visages : permet de réparer et d'améliorer les visages dans les vidéos.
- Démonstration en ligneLa fonction de démonstration en ligne est fournie afin que les utilisateurs puissent expérimenter la restauration directement dans leur navigateur.
Aide CodeFormer
Processus d'installation
- Clonage de la base de code: :
git clone https://github.com/sczhou/CodeFormer cd CodeFormer
- Créer et activer un environnement virtuel: :
conda create -n codeformer python=3.8 -y conda activate codeformer
- Installation des dépendances: :
pip install -r requirements.txt python basicsr/setup.py develop conda install -c conda-forge dlib
- Télécharger le modèle pré-entraîné: :
python scripts/download_pretrained_models.py facelib python scripts/download_pretrained_models.py dlib python scripts/download_pretrained_models.py CodeFormer
Processus d'utilisation
- Préparation des données de test: Placez l'image test dans l'espace de travail.
inputs/TestWhole
dossier. Si vous devez tester des images de visages recadrées et alignées, vous pouvez les placer dans le dossierinputs/cropped_faces
dossier. - Exécuter le code d'inférence: :
python inference_codeformer.py --input_path inputs/TestWhole --output_path results
Cette commande traitera le
inputs/TestWhole
avec toutes les images qu'il contient et enregistrer les résultats dans le dossierresults
dossier.
Fonction Opération Déroulement
- restauration du visage: :
- Placer l'image à restaurer dans le
inputs/TestWhole
Dossier. - Exécutez le code d'inférence pour générer l'image réparée.
- Placer l'image à restaurer dans le
- Coloriage des images: :
- Placez une image en noir et blanc dans le
inputs/TestWhole
Dossier. - utiliser
inference_colorization.py
Scénario à colorier.
- Placez une image en noir et blanc dans le
- Réparation d'images: :
- Placez l'image à patcher dans le champ
inputs/TestWhole
Dossier. - utiliser
inference_inpainting.py
Scripts pour l'application de correctifs.
- Placez l'image à patcher dans le champ
- Traitement vidéo: :
- Placez le fichier vidéo dans le dossier spécifié.
- Exécutez le code d'inférence pour traiter les visages de la vidéo.
Restauration faciale (recadrage et alignement du visage)
# Pour les visages recadrés et alignés
python inference_codeformer.py -w 0.5 --has_aligned --input_path [dossier d'entrée]
Amélioration globale de l'image
# Pour l'ensemble de l'image
# Ajouter '---bg_upsampler realesrgan' pour améliorer les régions d'arrière-plan avec Real-ESRGAN
# Ajouter '--face_upsample' pour continuer à upsampler le visage restauré avec Real-ESRGAN
python inference_codeformer.py -w 0.7 --input_path [image folder/image path]
amélioration de la vidéo
# Pour les clips vidéo
python inference_codeformer.py --bg_upsampler realesrgan --face_upsample -w 1.0 --input_path
Le poids de fidélité w est situé dans l'intervalle [0, 1]. En général, un w plus petit tend à produire des résultats de meilleure qualité, tandis qu'un w plus grand produit des résultats plus fidèles.
Les résultats seront enregistrés dans le dossier des résultats.
Kit de déploiement en un clic de CodeFormer
CodeL'ancien HuggingFace court
CodeFormer WebUI (Mot de passe niugee51)
© déclaration de droits d'auteur
Article copyright Cercle de partage de l'IA Tous, prière de ne pas reproduire sans autorisation.
Articles connexes
Pas de commentaires...