GFP-GAN容器构建说明

一、介绍

  • GFP-GAN是腾讯在人像复原、超分等方面的佳作 ,其基于 FFHQ 上训练,由 70000 张高质量图像组成。在训练过程中,将所有图像的大小调整为5122。
  • GFP-GAN 是在合成数据上训练的,这些合成数据近似于真实的低质量图像,并在推理过程中推广到真实世界的图像,可用于真实世界面部高清修复。

更多详细信息见Github仓库

二、容器构建说明

GFP-GAN并未自带web交互页面,因此,克隆项目后,安装项目所需环境后,在运行前后需要自行在文件夹中放入和获取相关图片。

1. 依赖关系和安装

#克隆仓库

复制代码
git clone https://github.com/TencentARC/GFPGAN.git
cd GFPGAN

#安装依赖

复制代码
apt-get update
apt-get install -y libgl1 git libglib2.0-0 pyyaml -i https://pypi.tuna.tsinghua.edu.cn/simple

依次安装以下包

复制代码
pip install basicsr
pip install facexlib
pip install -r requirements.txt

运行代码:

复制代码
python setup.py develop

下载模型v1.3版本:

复制代码
wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models

模型v1.2版本为(可自行选择下载,放置在experiments/pretrained_models中):

复制代码
https://github.com/TencentARC/GFPGAN/releases/download/v0.2.0/GFPGANCleanv1-NoCE-C2.pth

2. 进行推理

复制代码
python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2

推理相关注释:

复制代码
Usage:
python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2
[options]...
👀️-h                   show this help
👀️-i input             Input image or folder. Default:inputs/whole_imgs
👀️-o output            Output folder. Default: results
👀️-v version           GFPGAN model version. Option: 1 |1.2 | 1.3. Default: 1.3
👀️-s upscale           The final upsampling scale of the image. Default: 2
👀️-bg_upsampler        background upsampler. Default:realesrgan
👀️-bg_tile             Tile size for background sampler,0 for no tile during testing. Default: 400
👀️-suffix              Suffix of the restored faces
👀️-only_center_face    Only restore the center face
👀️-aligned             Input are aligned faces
👀️-ext                 Image extension. Options: auto | jpg | png, auto means using the same extension as inputs. Default: auto
相关推荐
lisuwen1161 分钟前
AI三国杀:马斯克炮轰苹果“偏袒”OpenAI,Grok与ChatGPT的应用商店战争揭秘
人工智能·chatgpt
暮小暮6 分钟前
从ChatGPT到智能助手:Agent智能体如何颠覆AI应用
人工智能·深度学习·神经网络·ai·语言模型·chatgpt
聚客AI9 分钟前
✅响应时间从8秒到3秒:AI知识库性能优化避坑指南
人工智能·llm·agent
Jinkxs12 分钟前
告别“测试滞后”:AI实时测试工具在敏捷开发中的落地经验
人工智能·测试工具·敏捷流程
John_ToDebug34 分钟前
大模型提示词(Prompt)终极指南:从原理到实战,让AI输出质量提升300%
人工智能·chatgpt·prompt
居然JuRan34 分钟前
LangGraph从0到1:开启大模型开发新征程
人工智能
双向3343 分钟前
实战测试:多模态AI在文档解析、图表分析中的准确率对比
人工智能
用户5191495848451 小时前
1989年的模糊测试技术如何在2018年仍发现Linux漏洞
人工智能·aigc
人类发明了工具1 小时前
【深度学习-基础知识】单机多卡和多机多卡训练
人工智能·深度学习
用户5191495848451 小时前
检索增强生成(RAG)入门指南:构建知识库与LLM协同系统
人工智能·aigc