初识超分重建——如何让女神更清晰，我的白月光【ICCV, 2021 超分重建之 BSRGAN】

2022-05-15 12:33:36

初识超分重建——如何让女神更清晰，我的白月光【ICCV, 2021 超分重建之 BSRGAN】

Designing a Practical Degradation Model for Deep Blind Image Super-Resolution (ICCV, 2021)
设计一个实用的深度盲图像超分辨率退化模型
https://arxiv.org/pdf/2103.14006.pdf
https://github.com/cszn/BSRGAN

为了验证新退化模型的有效性，我们训练了一个深度盲ESRGAN 超级解析器，然后将其应用于具有不同退化的合成和真实图像的超级解析。
实验结果表明，新的退化模型有助于显着提高深度超分辨器的实用性，从而为真正的SISR应用提供强大的替代解决方案。

训练代码仓库
https://github.com/cszn/KAIR
测试代码仓库
https://github.com/cszn/BSRGAN

# pytorch 版本 1.4 -- 到 1.8 都可以
PyTorch 1.4.0-1.8.1

# 我这里直接创建和激活一个 PyTorch1.8.0 的 conda 独立环境运行该代码

conda create -n torch18 python=3.7.6

conda activate torch18

git clone https://github.com/cszn/KAIR

cd KAIR/
pip install -r requirement.txt


git clone https://github.com/cszn/BSRGAN.git
cd BSRGAN/

python main_test_bsrgan.py 

# GPU 占用 7641MiB

# 输出如下
LogHandlers setup!
21-09-06 07:44:18.248 :       Model Name : BSRGAN
21-09-06 07:44:18.251 :           GPU ID : 0
[3, 3, 64, 23, 32, 4]
21-09-06 07:44:21.401 :       Input Path : testsets/RealSRSet
21-09-06 07:44:21.402 :      Output Path : testsets/RealSRSet_results_x4
21-09-06 07:44:21.402 : ---1 --> BSRGAN --> x4--> Lincoln.png
21-09-06 07:44:21.775 : ---2 --> BSRGAN --> x4--> building.png

...

效果示例

vim main_test_bsrgan.py

python main_test_bsrgan.py


python main_test_bsrgan.py 

# GPU 占用  4469MiB

# 输出如下
LogHandlers setup!
21-09-06 07:46:19.338 :       Model Name : BSRGANx2
21-09-06 07:46:19.342 :           GPU ID : 0
[3, 3, 64, 23, 32, 2]
21-09-06 07:46:22.452 :       Input Path : testsets/RealSRSet
21-09-06 07:46:22.452 :      Output Path : testsets/RealSRSet_results_x2
21-09-06 07:46:22.452 : ---1 --> BSRGANx2 --> x2--> Lincoln.png
21-09-06 07:46:22.797 : ---2 --> BSRGANx2 --> x2--> building.png