一键浪漫的回忆：微软开源的修复工具！！【送源码】

news2024/11/15 8:31:33

项目介绍

“Bringing-Old-Photos-Back-to-Life”是一款由微软开发的创新软件解决方案，它利用人工智能技术来修复和增强老旧照片的质量。这款工具可以解决老旧照片中常见的问题，如褪色、低分辨率以及物理损坏（如划痕和撕裂）。通过采用先进的图像处理技术，“Bringing-Old-Photos-Back-to-Life”能够显著改善这些照片的整体外观，使其看起来几乎就像是用现代设备拍摄的一样。

特点

它可以自动为黑白照片上色、修正颜色褪变、提高清晰度和锐利度，甚至修复轻微的物理损坏。修复后的结果不仅视觉上令人赏心悦目，而且高度逼真，这对于保存历史和个人记忆来说是一款不可或缺的工具。

开源成就

目前已经取得14.8K Star

主要功能

上色与颜色校正： 提升褪色或黑白照片的颜色。
清晰度与锐利度提升： 增加图片的分辨率和锐利度。
损害修复： 修复照片上的划痕、撕裂及其他物理损伤。
高分辨率支持： 能够处理高分辨率图片以实现细节修复。

安装使用指南

下载代码库：

首先，需要下载项目的代码库到本地环境。

git clone https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life.git

安装同步批量归一化库：

进入models/networks/目录，并下载同步批量归一化PyTorch库。

cd Bringing-Old-Photos-Back-to-Life/Face_Enhancement/models/networks/
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch.git
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .

同样操作需要在Global/detection_models/目录下重复。

cd ../../../
cd Global/detection_models/
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch.git
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .
cd ../../..

下载人脸检测预训练模型：

在Face_Detection/目录下下载人脸检测预训练模型。

cd Face_Detection/
wget http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
bzip2 -d shape_predictor_68_face_landmarks.dat.bz2
cd ..

下载并解压预训练模型：

在Face_Enhancement/和Global/目录下下载并解压预训练模型。

cd Face_Enhancement/
wget https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/face_checkpoints.zip
unzip face_checkpoints.zip
cd ../
cd Global/
wget https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/global_checkpoints.zip
unzip global_checkpoints.zip
cd ../

安装依赖：
- 在项目根目录下安装所需的依赖库。
```
pip install -r requirements.txt
```

如何使用：

对于没有划痕的图片：

python run.py --input_folder [测试图片文件夹路径] \
              --output_folder [输出路径] \
              --GPU 0

对于有划痕的图片：

python run.py --input_folder [测试图片文件夹路径] \
              --output_folder [输出路径] \
              --GPU 0 \
              --with_scratch

对于带有划痕的高分辨率图片：

python run.py --input_folder [测试图片文件夹路径] \
              --output_folder [输出路径] \
              --GPU 0 \
              --with_scratch \
              --HR