图像恢复¶
概览¶
预训练权重个数: 2
配置文件个数: 0
论文个数: 1
ALGORITHM: 1
NAFNET (ECCV’2022)¶
任务: 图像恢复
NAFNET (ECCV'2022)
@article{chen2022simple,
title={Simple Baselines for Image Restoration},
author={Chen, Liangyu and Chu, Xiaojie and Zhang, Xiangyu and Sun, Jian},
journal={arXiv preprint arXiv:2204.04676},
year={2022}
}
方法 | 图片尺寸 | PSNR | SSIM | GPU信息 | 下载 |
---|---|---|---|---|---|
nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd | 256X256 | 40.3045(40.3045) | 0.9253(0.9614) | 1 (A100) | 模型 | 日志(即将到来) |
nafnet_c64eb11128mb1db1111_8xb8-lr1e-3-400k_gopro | 1280x720 | 33.7246(33.7103) | 0.9479(0.9668) | 1 (A100) | 模型 | 日志(即将到来) |
Note:
评估结果a(b)中,a代表由MMagic测量,b代表由原论文提供。
PSNR是在RGB通道评估。
SSIM是平均的分别在RGB通道评估的SSIM, 而原论文使用了3D的SSIM卷积核做统一评估。
快速开始¶
训练
训练说明
您可以使用以下命令来训练模型。
## CPU上训练
CUDA_VISIBLE_DEVICES=-1 python tools/train.py configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py
## 单个GPU上训练
python tools/train.py configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py
## 多个GPU上训练
./tools/dist_train.sh configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py 8
更多细节可以参考 train_test.md 中的 Train a model 部分。
测试
测试说明
您可以使用以下命令来测试模型。
## CPU上测试
CUDA_VISIBLE_DEVICES=-1 python tools/test.py configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py /path/to/checkpoint
## 单个GPU上测试
python tools/test.py configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py /path/to/checkpoint
## 多个GPU上测试
./tools/dist_test.sh configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py /path/to/checkpoint 8
预训练模型未来将会上传,敬请等待。 更多细节可以参考 train_test.md 中的 Test a pre-trained model 部分。