Shortcuts

准备 GLEAN 数据集

@InProceedings{chan2021glean,
  author = {Chan, Kelvin CK and Wang, Xintao and Xu, Xiangyu and Gu, Jinwei and Loy, Chen Change},
  title = {GLEAN: Generative Latent Bank for Large-Factor Image Super-Resolution},
  booktitle = {Proceedings of the IEEE conference on computer vision and pattern recognition},
  year = {2021}
}

准备 cat_train 数据集

  1. LSUN 主页下载cat 数据集

  2. GLEAN 主页下载cat_train/meta_info_LSUNcat_GT.txt

  3. 导出图像并下采样

从 lmdb 文件中导出图像,并下采样到所需尺寸。为此,我们提供了一个脚本:

python tools/dataset_converters/glean/preprocess_cat_train_dataset.py --lmdb-path .data/cat --meta-file-path ./data/cat_train/meta_info_LSUNcat_GT.txt --out-dir ./data/cat_train

生成的数据存储在 cat_train 目录下,目录结构应如下所示:

mmagic
├── mmagic
├── tools
├── configs
├── data
│   ├── cat_train
│   │   ├── GT
│   │   ├── BIx8_down
│   │   ├── BIx16_down
│   │   ├── meta_info_LSUNcat_GT.txt
...

准备 cat_test 数据集

  1. 从数据集主页下载CAT 数据集

  2. GLEAN 主页下载cat_test/meta_info_Cat100_GT.txt

  3. 下采样

将图像下采样到所需尺寸。为此,我们提供了一个脚本:

python tools/dataset_converters/glean/preprocess_cat_test_dataset.py --data-path ./data/CAT_03 --meta-file-path ./data/cat_test/meta_info_Cat100_GT.txt --out-dir ./data/cat_test

生成的数据存储在 cat_test 目录下,目录结构应如下所示:

mmagic
├── mmagic
├── tools
├── configs
├── data
│   ├── cat_test
│   │   ├── GT
│   │   ├── BIx8_down
│   │   ├── BIx16_down
│   │   ├── meta_info_Cat100_GT.txt
...

准备 FFHQ 数据集

  1. 从数据集主页下载FFHQ 数据集 (images1024x1024)

将文件目录重构为如下所示:

ffhq
├── images
|   ├── 00000.png
|   ├── 00001.png
|   ├── ...
|   ├── 69999.png
  1. GLEAN 主页下载ffhq/meta_info_FFHQ_GT.txt

  2. 下采样

将图像下采样到所需尺寸。为此,我们提供了一个脚本:

python tools/dataset_converters/glean/preprocess_ffhq_celebahq_dataset.py --data-root ./data/ffhq/images

生成的数据存储在 ffhq 目录下,目录结构应如下所示:

mmagic
├── mmagic
├── tools
├── configs
├── data
|   ├── ffhq
|   |   ├── images
│   │   ├── BIx8_down
|   |   ├── BIx16_down
|   |   ├── meta_info_FFHQ_GT.txt
...

准备 CelebA-HQ 数据集

  1. 根据数据集主页文档准备数据集。

将文件目录重构为如下所示:

CelebA-HQ
├── GT
|   ├── 00000.png
|   ├── 00001.png
|   ├── ...
|   ├── 30000.png
  1. GLEAN 主页下载CelebA-HQ/meta_info_CelebAHQ_val100_GT.txt

  2. 下采样

将图像下采样到所需尺寸。为此,我们提供了一个脚本:

python tools/dataset_converters/glean/preprocess_ffhq_celebahq_dataset.py --data-root ./data/CelebA-HQ/GT

生成的数据存储在 CelebA-HQ 目录下,目录结构应如下所示:

mmagic
├── mmagic
├── tools
├── configsdata
├── data
|   ├── CelebA-HQ
|   |   ├── GT
│   │   ├── BIx8_down
|   |   ├── BIx16_down
|   |   ├── meta_info_CelebAHQ_val100_GT.txt
...

准备 FFHQ_CelebAHQ 数据集

将 FFHQ(ffhq/images) 和 CelebA-HQ(CelebA-HQ/GT) 合并,生成 FFHQ_CelebAHQ 数据集。

文件目录重构应如下所示:

mmagic
├── mmagic
├── tools
├── configs
├── data
|   ├── FFHQ_CelebAHQ
|   |   ├── GT
...
Read the Docs v: latest
Versions
latest
stable
0.x
Downloads
pdf
epub
On Read the Docs
Project Home
Builds

Free document hosting provided by Read the Docs.