基于ESRGAN的实现,使用RRDBNet实现VapourSynth GAN
vsgan的Python项目详细描述
VSGAN公司
:第页朝上:简介
这是VapourSynth的单图像超分辨率生成对抗性网络处理程序。 由于VapourSynth将从视频中获取帧,并将其馈送给VSGAN,因此它本质上是一个单视频超分辨率gan。 它是ESRGAN by xinntao的直接端口,所以所有的结果、成就,以及ESRGAN所做的,VSGAN也会做。在
在正确的图像上使用正确的预训练模型可以产生巨大的效果。
这是一个来自美国地区1(NTSC)DVD的美国爸爸运行VSGAN(型号非公开)的例子
:camera:与其他超分辨率策略的定性比较
以下比较取自ESRGAN's repo
安装
请按图示顺序安装以下部件。在
1。蒸汽发生器
注意:VapourSynth必须在VSGAN之前安装。可从pip安装的包/pypi.org网站是Python的函数包装器,仍然需要预先安装VapourSynth。[1]
官方安装说明可用于:
2。mvsfunc公司
Mvsfunc通常默认安装。在
不知怎么没有安装?在
Windows:
从命令提示符中:
- 运行
where vsrepo.py
并复制的完整路径虚拟存储库.py在 - 运行
python "C:/path/to/vsrepo.py" install mvsfunc
(在路径两边加引号)
Linux:
您很可能可以在发行版的包管理器中找到它。在
3。(可选,推荐)NVIDIA CUDA
如果您计划将VSGAN与NVIDIA GPU一起用作设备而不是CPU(例如,与torch设备字符串:0
、1
、cuda
)一起使用,则必须安装NVIDIA CUDA,torch才能这样做。在
在CPU上使用VSGAN将严重影响您的系统(很可能甚至是无法使用的数量!)并将花费forever来完成一个帧。我总是建议VSGAN的用户在gtx1050或更好的版本上使用带有CUDA的NVIDIA GPU。与CPU相比,使用GPU有多快?一个CPU可能需要几分钟来完成一个720x480帧x4的缩放,而一个GPU可能需要大约半秒钟的时间(在我的GTX1080ti上)。在
不同的操作系统安装方式有很多种。搜索(DuckDuckGo,Google)如何安装它。在
4。VSGAN公司
通过PyPI使用PIP(推荐)
在terminal/cmd中运行pip install vsgan
。在
离线使用PIP
注意:此方法没有自动更新或更新通知。您可能正在安装尚未测试为稳定的代码,尚未达到实际更新版本,这意味着您将使用最新的可能不稳定的代码。
git clone https://github.com/rlaPHOENiX/VSGAN.git && cd vsgan
pip install .
如果您没有git也不希望,您还可以下载master.zip,将其解压缩,通过cd
和pip install .
打开一个命令提示符到该文件夹中
使用
简单的例子
^{pr2}$定义
VSGAN(device=[int/string])
为提供的设备使用VSGAN创建PyTorch设备实例
device
可以是字符串或int,可接受的值为“cpu”、“cuda”和设备标识号(例如0、1),如果可用,默认值为“cuda”,否则将使用“cpu”
在VSGAN.load_模型(model=[string],scale=[int],旧架构=[bool])
将模型加载到VSGAN设备实例中
model
必须是指向.pth模型的路径。如果路径有疯狂的字符,如反斜杠(\)
,请使用r''scale
必须是int>;0,并且必须与训练它的模型匹配old_arch
仅当模型不适用于当前架构或是1x比例模型时才应使用
在VSGAN.run(clip=夹子,chunk=[bool])
此函数接受提供的剪辑,并在处理帧时运行VSGAN.execute()上的每个帧。在
chunk
如果您的系统内存不足,请尝试启用分块,因为它会将图像分割成更小的子图像,然后逐个渲染,最后将它们合并在一起。以速度和准确性交换内存需求。警告:由于图像将被单独处理,结果可能在块的边缘有问题,an example of this issue
仅供内部使用
在VSGAN.execute公司(n=[int],clip=clip]
从clip对n帧执行GAN模型。在
- 项目
标签: