CodeFormer
İzinli bir portre restorasyonu için CodeFormer’i değerlendirin: aslına bağlılık ayarlarını, yüz değişikliklerini, yeniden yerleştirmeyi ve ticari olmayan S-Lab lisansını inceleyin.
Bir bakışta
- Girdi
- Kullanımı izinli bir yüz görüntüsü: önceden kırpılmış ve hizalanmış bir yüz ya da resmi bütün görüntü algılama ve hizalama yoluna verilen fotoğraf. Değiştirilmemiş kaynağı koruyun.
- Çıktı
- Onarılmış yüz kırpımı ve bütün görüntü yolunda yüzün yeniden yerleştirildiği görüntü. Üretilmiş yüz ayrıntıları kaynakla karşılaştırılmalıdır; kaydedilmiş dosya tek başına başarılı çıkarım kanıtı değildir.
- Erişim
- Resmi depo kodu ve restorasyon ağırlığı referansı erişilebilir. S-Lab License 1.0, belirtilen izni ticari olmayan amaçlarla sınırlar ve ticari kullanıcıların katkıda bulunanlarla iletişim kurmasını ister. Barındırılan seçeneklerin koşulları ayrıdır.
- Kimler için uygun
- Bozulmuş bir portrenin izinli, ticari olmayan gösterim kopyasını değerlendiren; tahminle oluşan yüz değişikliklerini incelemeye zaman ayırabilen fotoğraf editörleri ve geliştiriciler.
- Ne zaman başka bir seçenek seçilmeli
- Kimliği bilinmeyen bir kişiyi belirlemek veya kanıt niteliğinde gerçek ayrıntıyı geri kazanmak için bu iş akışını seçmeyin. Her restorasyon hedef gösterim açısından önemli özellikleri değiştiriyorsa da durun.
- Maliyet ve erişim koşulları
- Kurulumu, algılamayı, yüz başına restorasyonu, isteğe bağlı büyütmeyi, kaydı ve elle incelemeyi ölçün. Burada asgari VRAM, evrensel işlem süresi, servis fiyatı veya üretim kapasitesi test edilmedi.
Öne Çıkan Özellikler
Aslına bağlılık ayarı
Belgelenen ağırlık 0 ile 1 arasındadır; komut satırındaki varsayılan değer 0.5’tir. Bir ayarı her koşulda en iyi saymak yerine girdiyi sabit tutup kaynağın gösterdiği yüz özelliklerini karşılaştırın.
Yüzü ve bütün görüntüyü ayrı inceleyin
Hizalanmış yüz ve bütün görüntü yollarının hazırlığı ve çıktı işlemleri farklıdır. Onarılmış kırpımla birlikte yüz seçimi ve yeniden yerleştirme de kontrol edilmelidir.
Ticari olmayan proje koşulları
Resmi proje S-Lab License 1.0 belirtir. Erişilebilir kod ve resmi model ağırlığı referansı, genel ticari izin vermez veya bir servis sağlayıcının koşullarını belirlemez.
Hakkında
Bu sayfada
CodeFormer, öğrendiği görsel örüntülerden ve bir Transformer'dan yararlanarak bozulmuş yüz görüntülerini onarır. Daha anlaşılır bir portre üretebilir; ancak sonradan oluşturulan yüz ayrıntıları, özgün sahnede ne bulunduğunu kanıtlamaz. Kaynağı koruyabildiğiniz ve değişiklikleri inceleyebildiğiniz, izinli bir gösterim kopyası için değerlendirin. Resmi proje, belirli ticari olmayan kullanımlara izin veren ve ticari kullanım için katkıda bulunanlarla iletişim kurulmasını isteyen S-Lab License 1.0 kapsamında sunulur.
Bu değerlendirme, resmi restorasyon uygulamasına ve araştırmaya dayanır; görsel test raporu değildir. Sayfa için model çıkarımı, süre karşılaştırması veya barındırılan bir servise görsel gönderimi yapılmadı. Aşağıdaki aile fotoğrafı çalışması, sonuçları henüz doldurulmamış bir değerlendirme önerisidir.
Onarılan portrede nelerin korunması gerektiğini belirleyin
Araştırma, bozulma biçimi bilinmeyen yüzlerin restorasyonunu birden fazla olası sonucu bulunan bir yeniden oluşturma problemi olarak ele alır. CodeFormer, öğrenilmiş ayrık bir kod kitabını görsel önbilgi olarak kullanır; Transformer ise kod dizilerini tahmin eder. Bu yaklaşım, modelin hem amacını hem sınırını açıklar: makul görünen bir yüzde, hasarlı girdinin doğrulamadığı özellikler bulunabilir. Makalenin yazarları, Nanyang Technological University bünyesindeki S-Lab'dan Shangchen Zhou, Kelvin C. K. Chan, Chongyi Li ve Chen Change Loy'dur. CodeFormer araştırma makalesi.
Sıkıştırma izleri bulunan, gözleri bulanık ve bir yanağında çizik olan taranmış bir aile portresini düşünün. Okuyucunun amacı, fotoğraftaki kişiler açısından kabul edilebilir bir gösterim kopyası hazırlamaktır. Görüntüyü değiştirmeden önce gerçekten görülebilen özellikleri belirleyin: başın açısı, ağız biçimi, ifade, ayırt edici izler ve yüz ile saçın ilişkisi. Belirsiz ayrıntıları belirsiz olarak işaretleyin. Sonradan eklenen net bir göz kapağı veya diş, bu belirsizliği gidermez.
Taramayı arşiv kaynağı olarak saklayın; düzenlenmiş görüntüye ayrı bir dosya adı verin. Biraz yumuşak ama tanınabilir bir yüzün, ifadesi değişmiş daha keskin bir yüzden amaca daha uygun olup olmadığına karar verin. Bu, modelin ürettiği bir puan değil, editoryal kabul kararıdır. Kişiyi tanıyan biri değişiklikleri fark etmeye yardımcı olabilir; ancak görüntünün tanıdık gelmesi, üretilmiş ayrıntıyı tarihsel kayıt haline getirmez.
Bu iş akışını, kimliği bilinmeyen bir kişiyi teşhis etmek, kanıt niteliğinde ayrıntı oluşturmak veya bir yüzün gerçekliğini doğrulamak için kullanmayın. İşin amacı bu bilgileri belirlemekse, görüntünün daha inandırıcı görünmesi yeterli başarı ölçütü değildir. Daha iyi bir tarama edinmek, kullanımı izinli başka bir referansa başvurmak veya hasarlı kaynağı olduğu gibi korumak daha uygun olabilir.
Yüz kırpımı ile bütün fotoğrafın işlenmesini ayırın
Resmi restorasyon betiğinde bu değerlendirmeyi ilgilendiren iki giriş yolu bulunur. --has_aligned kullanıldığında girdi, hizalanmış bir yüz olarak ele alınır ve 512 × 512 boyutuna getirilir. Bu seçenek kullanılmadığında betik yüzleri algılar, yüz kırpımlarını hizalar, onarır ve görüntüye geri yerleştirebilir. Varsayılan algılayıcı retinaface_resnet50'dir; --only_center_face seçeneği yüz seçimini değiştirir. Burada incelenen kapsamı, aracı bir uygulamanın ürün tanıtımı değil, betik ve onun parametreleri belirler. Resmi çıkarım uygulaması.
Giriş yolunu elinizdeki görüntüye göre seçin. Sıradan bir portre, mutlaka hizalanmış bir yüz kırpımı değildir. Aile grubunda yalnız merkezdeki yüzü seçmek, önemli bir kişiyi dışarıda bırakabilir. Restorasyon modelinin birini atladığına veya yüzünü değiştirdiğine karar vermeden önce seçilen kırpımları inceleyin. Restorasyon aşamasına yanlış yüz ulaşıyorsa, aslına bağlılık ağırlığını değiştirmek seçim hatasını düzeltemez.
Bütün fotoğrafın kalitesi, yüzün yeniden yerleştirilmesini de kapsar. Tek başına kabul edilebilir bir yüz, keskinliği, rengi veya sınırı çevresindeki fotoğrafla uyuşmadığında sonradan yapıştırılmış gibi görünebilir. Üretilen yüzü hem kırpımın çalışma ölçeğinde hem de bütün görüntü içinde hedef gösterim boyutunda inceleyin. Dar bir kırpımla yapılan karşılaştırma, saç çizgisindeki birleşim izini veya boyna geçişteki doğallık kaybını gizleyebilir.
Resmi iş akışındaki isteğe bağlı Real-ESRGAN işlemi, ayrı bir büyütme bileşenidir. Arka planı büyütme ve yüzü büyütme seçenekleri ayrıdır; her restorasyon için zorunlu değildir. Bir değişikliğin hangi işlemden kaynaklandığını anlayabilmek için bu ek aşamalar olmadan başlayın. Depodaki hizalanmış yüz ve bütün görüntü örnekleri farklı amaçlara hizmet eder; çıktıları aynı değerlendirme koşullarında üretilmiş gibi ele alınmamalıdır. Depodaki kullanım açıklamaları.
Aslına bağlılık ayarlarını aynı kaynakla karşılaştırın
Belgelenen aslına bağlılık ağırlığı 0 ile 1 arasındadır. Depodaki açıklama, küçük değerlerin görsel kaliteye, büyük değerlerin ise aslına bağlılığa öncelik verdiğini belirtir. Bu ayar, kendi girdinizde araştırmanız gereken bir kontroldür; portreleri evrensel olarak iyiden kötüye sıralamaz. Komut satırındaki varsayılan değer 0.5'tir. Bu, her fotoğraf için öneri değil, başlangıç yapılandırmasıdır.
Ağırlıkları karşılaştırırken girdiyi, yüz seçim biçimini ve diğer işlem ayarlarını sabit tutun. Ayrı çıktı klasörleri kullanın ve her görüntünün yanına uygulanan değeri kaydedin. Bir sonucu yalnız gözleri daha keskin göründüğü için seçmeyin; aynı gözleri, ağzı ve karakteristik özellikleri özgün görüntüyle karşılaştırın. Bir grup fotoğrafındaki bir yüz için işe yarayan ayar, başka bir yüz için kabul edilemez olabilir.
Ağırlığı 1 yapmak, girdinin değişmeden kopyalanacağını garanti etmez. Mimari, öğrenilmiş restorasyonu uygulamayı sürdürür; özelliklerin birleştirildiği yolda ağırlık bir kontrol görevi görür. Kaydırıcının bir ucunu arşiv güvencesi saymak yerine özgün dosyayı bağımsız olarak koruyun. CodeFormer mimarisi.
Her ayar önemli bir özelliği değiştiriyorsa bu kopyaları reddedin. Bir kaydırıcıyı tekrar tekrar ayarlamak, kayıp bir özelliğin geri kazanıldığını göstermez. Ret nedenini kaydedin; böylece sonraki büyütme veya rötuş aşaması, daha önce kabul etmediğiniz aynı yüzü fark edilmeden yeniden kullanmaz.
Gerçek lisansı ve erişim yolunu inceleyin
Resmi depodaki S-Lab License 1.0, koşullarına uyulması kaydıyla ticari olmayan kullanım ve yeniden dağıtıma izin verir. Bu koşullar arasında bildirimlerin korunması ve katkıda bulunanların adlarının ürün onayı izlenimi yaratacak biçimde kullanılmasına ilişkin sınırlamalar bulunur. Ticari kullanım veya yeniden dağıtım isteyenlerin katkıda bulunanlarla iletişim kurmasını söyler. Bu nedenle incelenen proje, Apache 2.0 kapsamında veya ticari kullanıma genel izin veren bir kaynak olarak sunulmamalıdır. Resmi S-Lab lisansı.
Herkesin okuyabildiği kod, indirilebilir model ağırlığı ve ücretli bir servis arayüzü farklı erişim biçimleridir. Bir sağlayıcıya ödeme yapmak, alttaki modeli kullanmak için gereken hakların bulunduğunu tek başına göstermez. Herkese açık bir demo da sınırsız lisans kanıtı değildir. Ticari işlerde, modeli müşteriye verilen bir taahhüdün parçası yapmadan önce geçerli izni ve servis koşullarını netleştirin. Bu sayfa proje koşullarını aktarır; belirli bir uygulama için izin vermez.
Resmi indirme betiği, projenin v0.1.0 sürümü altında codeformer.pth adlı restorasyon ağırlığını gösterir. Bu referans, resmi bir edinme yolu bulunduğunu destekler; bu incelemede ikili dosyanın indirildiği, incelendiği veya çalıştırıldığı anlamına gelmez. Değerlendirme kaydında kaynak revizyonunu, model dosyasının alındığı yeri ve yerel olarak kaydettiğiniz sağlama toplamını saklayın. Benzer adlı bir ayna dosya, seçilen dosyanın yerini fark edilmeden almamalıdır. Resmi model indirme betiği.
README, yazarların bakımını üstlendiği barındırılan seçeneklere bağlantı verir; ancak bunların kapasitesi, fiyatları, gizlilik uygulamaları ve hizmet sürekliliği burada test edilmedi. Aile fotoğrafı denemesinde, fotoğraf üzerinde yapmak istediğiniz işlemlere izin veren bir yol seçin. Projenin erişilebilir olması, girdi görüntüsündeki hakları, bir kişinin portresini yayımlama iznini veya ek bağımlılıkların koşullarını çözmez. Gerekli bir izin belirsizse, görseli göndermeden ya da yeniden dağıtmadan önce bunu netleştirin.
Sınırları belirli bir aile fotoğrafı denemesi yapın
Kullanımı izinli bir taramanın kopyasını ve kontrol amacıyla daha az bozulmuş bir portreyi hazırlayın. Örneğin aile içinde gösterilecek özel bir kopya gibi, hedef çıktıyı tanımlayın ve tanınabilir kalması gereken özellikleri seçin. Özgün boyutları saklayın; çıkarımdan önce yapılan kırpma veya yeniden örneklemeyi kaydedin. Kontrol görüntüsü, ağır hasara özgü bir sorunla seçilen işlem yolunun oluşturduğu sorunu ayırmaya yardımcı olur. Siz çalıştırana kadar ölçülmüş bir başlangıç sonucu sayılmaz.
Sabitlenmiş resmi depo talimatlarıyla yalıtılmış bir ortam hazırlayın; ardından gerçekten kurulan sürümleri ve seçilen cihazı kaydedin. Depodaki kurulum tarifi, güncel her Python, PyTorch veya işletim sistemi birleşimi için uyumluluk belgesi değildir. Bu yazı için kurulum yapılmadı. Görüntüleri karşılaştırmadan önce kurulum hatalarını çözün; her çalıştırma girişiminin tam komutunu ve bütün günlüğünü saklayın.
Aşağıdakiler, incelenen betikte bulunan parametrelerle hazırlanmış ve çalıştırılmamış karşılaştırma komutlarıdır. Belgelenen ortamın ve gerekli model dosyalarının önceden hazırlandığını varsayarlar. Yollar örnektir; bunları kullanımı izinli girdinizle ve ayrı çıktı konumlarıyla değiştirmeniz gerekir. Üçü de aynı sıradan görüntü işleme yolunu kullanır ve isteğe bağlı Real-ESRGAN arka plan ve yüz iyileştirme seçeneklerini kapalı bırakır. Bu durum, komut satırının ayrı varsayılan --upscale 2 çıktı ölçeğini kapatmaz.
python inference_codeformer.py -i inputs/family-photo.png -o results/family-w0 -w 0
python inference_codeformer.py -i inputs/family-photo.png -o results/family-w05 -w 0.5
python inference_codeformer.py -i inputs/family-photo.png -o results/family-w1 -w 1Önce yüz seçimini ve hizalamayı inceleyin; sonra her onarılmış kırpımı kaynakla karşılaştırın; son olarak yüzlerin yeniden yerleştirildiği bütün görüntüyü değerlendirin. Tercih ettiğiniz kopyanın yanında reddedilen çıktıları da saklayın. Arka plan veya yüz büyütme ekleyecekseniz, önce kabul edilebilir bir restorasyon seçin ve büyütmeyi ayrı kaydedilen bir karşılaştırma olarak uygulayın. Aksi halde görünen iyileşme başka bir aşamadan kaynaklanabilir ve o aşamanın katkısını ayırt etmek zorlaşır.
Kopyayı yüze özgü bir kabul çizelgesiyle değerlendirin
Aşağıdaki çizelge, bu aile fotoğrafı senaryosu için hazırlanmış özgün bir karar yardımı önerisidir. Test sonucu veya kalite puanı içermez. Bir çalıştırmayı başarılı diye tanımlamadan önce çizelgeyi gözlemleriniz ve kaydettiğiniz dosyalarla doldurun.
| Aşama | Verilecek karar | Saklanacak kanıt |
|---|---|---|
| Kaynaktaki bilgi | Hangi yüz ayrıntıları görülüyor, hangileri belirlenemeyecek kadar hasarlı? | Görülebilen özellikler ve belirsizlikler not edilmiş, değiştirilmemiş tarama. |
| Seçim ve hizalama | İstenen yüz, uygun bir kırpımla restorasyona girdi mi? | Seçilen yüz kırpımı ve bu yüzün bütün fotoğraftaki konumu. |
| Tahminle oluşan yüz değişiklikleri | İfade veya tanınabilir bir özellik, kabul edilen gösterim amacının ötesinde değişti mi? | Karşılaştırılabilir kaynak ve onarılmış yüz kırpımları, ayarlar ve yazılı kabul ya da ret nedeni. |
| Yeniden yerleştirme | Kabul edilen yüz, hedef gösterim boyutunda fotoğrafın içinde doğal duruyor mu? | Saç çizgisi, çene, boyun ve çevre dokusu incelenmiş bütün çıktı. |
| Teslim | Alıcı, düzenlenmiş kopyayla arşiv kaynağını ayırt edebiliyor mu? | Ayrı dosya adları, korunan özgün dosya ve restorasyonu açıklayan bir not. |
Önemli bir özelliği değiştiren çekici bir yüzü, bu iş için başarısız aday sayın. Buna karşılık bir miktar bulanıklık kalsa bile ölçülü bir sonuç yararlı olabilir. Kabul toleransını genel bir keskinlik hedefiyle değil, ilgili fotoğraf ve alıcısıyla tanımlayın. Çizelge, modeli kullanmayan birine de bu seçimi açıklayabilmelidir.
Daha büyük bir koleksiyonu denemeden önce düzeltme bütçesi belirleyin. Yüzleri inceleme, çıktıları reddetme ve birleşim sınırlarını düzeltme süresini işin parçası olarak sayın. Birkaç fotoğraf dikkatli elle çalışma gerektiriyorsa bu, özel bir albüm için yine de kabul edilebilir olabilir. Neredeyse her yüz yeniden yapılandırılmak zorundaysa toplu işlem, beklenenden daha az işi ortadan kaldırabilir. Bu gözlemleri ölçene kadar boş bırakın.
İlk hatalı ara çıktıyı bulun
İncelenen betik, bir yüzün restorasyonu sırasında oluşan istisnayı yakalar; hatayı bildirirken o yüz için girdi kırpımını kullanır. Dolayısıyla kaydedilmiş bir görüntü, model çıkarımının başarılı olduğuna yeterli kanıt değildir. Bir çıktıyı onarılmış yüz olarak saymadan önce günlüğü ve ilgili kırpımı kontrol edin. Bu ayrım, toplu işlem bitmiş gibi görünmesine rağmen bazı yüzler değişmediğinde özellikle önemlidir.
| Gözlem | Önce incelenecek kanıt | Kontrollü sonraki adım |
|---|---|---|
| Bir kişi onarılan yüzler arasında yok | Yüz seçim parametreleri ve algılanan kırpımlar. | Restorasyon ayarlarını değiştirmeden önce istenen yüzün seçildiğini doğrulayın. |
| Çıktı dosyası var ama yüz değişmemiş | Çıkarım günlüğü ile kaynak ve onarılmış kırpım çifti. | Bildirilen hata varsa çözün; ardından aynı girdiyi yeniden çalıştırıp günlükteki sonucu doğrulayın. |
| İfade veya ayırt edici özellikler değişiyor | Aynı kırpım ve ölçekte, kaynağın gerçekten gösterdiği ayrıntılar. | Her seferinde tek bir aslına bağlılık ayarını karşılaştırın; gerekirse bütün adayları reddedin. |
| Yüz fotoğrafa sonradan yapıştırılmış gibi duruyor | Bütün görüntüdeki birleşim sınırları ve isteğe bağlı büyütme ayarları. | İyileştirme eklemeden önce yeniden yerleştirilen sonucu, tek başına kabul edilen yüz kırpımıyla karşılaştırın. |
| İşlem kaynakları tüketiyor | Girdi boyutları, yüz sayısı, ek aşamalar ve cihaz günlüğü. | Denemeyi belgelenmiş daha küçük bir iş yüküne indirip yeniden ölçün. |
Bunlar ölçülmüş hata oranları değil, tanı koymaya yardımcı varsayımlar ve inceleme adımlarıdır. Değişmeyen her yüzü çıkarım istisnası, her birleşim sorununu büyütme bileşeninin hatası olarak adlandırmayın. İlgili farkın ilk nerede ortaya çıktığını kaydedilen dosyalarla belirleyin. Böylece sonraki düzeltme, genel bir görüntü kalitesi izlenimine değil, gözlenmiş bir soruna dayanır.
İşin bütünü için kaynak kullanımını ölçün
İncelenen cihaz yardımcısı, uyguladığı kullanılabilirlik ve sürüm kontrollerine göre MPS, CUDA veya CPU seçebilir. Kodda bu yolun bulunması, sizin makinenizde başarıyla çalıştığını kanıtlamaz. İsteğe bağlı Real-ESRGAN kurulumu da CPU üzerinde yavaş işlem konusunda uyarı verir. Bu değerlendirmede test edilmiş bir asgari VRAM, her yüz için geçerli süre veya işlem kapasitesi vaadi bulunmuyor. Resmi cihaz seçimi yardımcısı.
İlk indirmeleri ve başlangıcı, tekrarlanan çıkarımdan ayrı ölçün. Bütün görüntünün boyutlarını, yüz sayısını, seçilen algılayıcıyı, aslına bağlılık ağırlığını, ek iyileştirme aşamalarını ve gerçek donanımı kaydedin. Kullanılabilir bir fotoğrafın ne kadar sürede hazırlandığını hesaplarken dosya kaydını ve elle incelemeyi de ekleyin. Tek bir hizalanmış yüzün süresi, arka planı büyütülen büyük bir grup fotoğrafının işlenmesini açıklamaz.
Video için ayrı bir kaynak planı gerekir. İncelenen betiğin video yolu, önce girdi karelerini, daha sonra çıktı karelerini bellekte biriktirir. Bunu bellek kullanımı sınırlandırılmış bir akış olarak tanımlamayın veya kısa bir klibin sonucunu sınırsız uzunluktaki kayda genellemeyin. Video girdi yolunun bulunması, yüz görünümünün kareler arasında kararlı kaldığını da göstermez. Video gerekiyorsa kullanımı izinli kısa bir kliple başlayın; ardışık kareleri ve bellek kullanımını açıkça inceleyin.
Sonraki restorasyon adımını kanıta göre seçin
Aile portresi için ilk karar, kabul edilebilir elle düzeltme yüküyle uygun bir gösterim kopyası elde edilip edilemediğidir. Elde edilebiliyorsa kullanılan ayarları, özgün dosyayı ve düzenlenmiş dosyayı birlikte saklayın. Değişiklikler kabul edilemiyorsa daha net bir tarama, dikkatli elle rötuş veya belirsiz yüz ayrıntılarını olduğu gibi bırakan sınırlı bir düzeltme seçin. Reddedilmiş bir model çıktısı da bu seçim için yararlı kanıttır.
Yüz restorasyon modeli ile genel amaçlı büyütme modeli, fotoğrafın farklı ihtiyaçlarına karşılık gelir. Başka bir yöntemi, örneğin yüz dışındaki bir çizik veya yeniden yerleştirme sorunu gibi, gözlenen ihtiyaca göre seçin. Model adının değişmesinin her kusuru gidereceğini varsaymayın. Bu inceleme, CodeFormer ile GFPGAN arasında bir kazanan belirlemez ve makaledeki kıyaslama sonuçlarını yeniden üretmez.
Eksik olan yetenek netleştiğinde başka model kategorilerini keşfetmek için model dizinini kullanın. Bir koleksiyona veya servise geçmeden önce gerekli izinleri netleştirin; gerçek iş yükünü ve kabul sonuçlarını belirleyin. Daha keskin ayrıntı, başarıyla oluşturulmuş dosya veya herkese açık bir depo, bu değerlendirmeyi tek başına tamamlamaz.
Kullanım Senaryoları
Aile portresini özel gösterime hazırlayın
Kullanımı izinli bir taramada korunacak özellikleri belirleyip kaydedilmiş az sayıda ayarı karşılaştırın. Yalnız değişiklikleri ve birleşim sınırları gösterim amacına uygun düzenlenmiş kopyayı kabul edin.
Resmi restorasyon yolunu değerlendirin
İzinli ve ticari olmayan bir denemede kaynak, algılanan kırpımlar, onarılmış yüzler, son görüntüler ve günlükleri saklayın; toplu işlemi büyütmeden önce seçim, çıkarım veya yeniden yerleştirme hatalarını bulun.
Artılar ve Eksiler
Artılar
- Resmi uygulama, kontrollü karşılaştırmalar için belgelenmiş bir aslına bağlılık ağırlığı sunar.
- Ayrı yüz kırpımları ve bütün görüntü çıktıları, seçim ve yeniden yerleştirmenin incelenmesine olanak verir.
- Erişilebilir kaynak kodu, çıkarım hatasındaki geri dönüşü ve ek iyileştirme aşamalarını incelemeyi sağlar.
Eksiler
- Makul görünen onarılmış yüz ayrıntısı, kişiyi ayırt ettiren özellikleri değiştirebilir ve kayıp bilgileri doğrulayamaz.
- Resmi projenin ticari olmayan lisansı, ticari servisler için genel izin değildir.
- Yüz başına çıkarım hatası olsa da çıktı kaydedilebilir; video karelerinin bellekte birikmesi ve ek iyileştirmeler, iş yüküne özgü kaynak kontrolü gerektirir.
Teknik Detaylar
Mimari
Yüz restorasyonu için öğrenilmiş bir kod kitabından ayrık kodlar tahmin eden Transformer
Lisans
S-Lab License 1.0
Sabitlenmiş resmi CodeFormer deposu, proje için S-Lab License 1.0 belirtir. Koşullarına uyulan belirli ticari olmayan kaynak/ikili dosya kullanımına ve yeniden dağıtıma izin verir; ticari kullanıcıların katkıda bulunanlarla iletişim kurmasını ister. Bu, Apache 2.0 veya genel ticari kullanım izni değildir. Resmi restorasyon ağırlığı referansı incelenen projeye aittir; ikili dosya indirilmedi veya bağımsız denetlenmedi. Bağımlılıklar, arayüzler, barındırılan servisler, girdi hakları ve çıktı kullanımı ayrıca incelenmelidir. Lisans kaynağı
İlgili Modeller
FidelityFx Super Resolution
FidelityFX Super Resolution (FSR), AMD tarafından geliştirilen, özellikle video oyunları olmak üzere gerçek zamanlı render uygulamalarında performansı artırmak için tasarlanmış açık kaynaklı mekansal büyütme teknolojisidir. NVIDIA'nın özel Tensor Core gerektiren DLSS'inin aksine, FSR donanımdan bağımsız çalışır ve AMD, NVIDIA, Intel GPU'larında hatta entegre grafiklerde bile sorunsuz kullanılabilir. Teknoloji birden fazla nesil boyunca evrilmiştir: FSR 1.0 tek kare üzerinde Lanczos tabanlı mekansal büyütme kullanırken, FSR 2.0 hareket vektörleri ve önceki kare verilerinden yararlanan zamansal büyütme ile neredeyse yerel çözünürlük kalitesi sunmuş, FSR 3.0 ise optik akış tabanlı kare üretimi ekleyerek algılanan kare hızını dramatik biçimde artırmıştır. Ultra Quality'den Ultra Performance'a uzanan beş farklı kalite modu, kullanıcılara görsel sadakat ile 2x ve üzeri performans kazanımı arasında denge kurma imkanı tanır. FSR; DirectX 11, DirectX 12 ve Vulkan API'lerini destekler ve PC platformlarının yanı sıra Xbox, PlayStation ve Steam Deck gibi taşınabilir cihazlarda da yaygın biçimde kullanılır. Cyberpunk 2077, Starfield ve Hogwarts Legacy dahil yüzlerce büyük yapım FSR entegrasyonu sunar; Unreal Engine ve Unity oyun motorları düzeyinde doğrudan destek sağlayarak geliştirici benimsemesini kolaylaştırır. MIT lisansı ile AMD'nin GPUOpen platformunda yayınlanan FSR, geliştiricilere ve araştırmacılara şeffaf işbirliği ve modifikasyon imkanı sunar. Platform bağımsızlığı ve açık kaynak yapısı, onu oyun endüstrisinde en yaygın kullanılan görsel büyütme çözümlerinden biri haline getirmiştir.
Real-ESRGAN
Real-ESRGAN, Tencent ARC Lab'da Xintao Wang ve işbirlikçileri tarafından geliştirilen, düşük çözünürlüklü, bozulmuş veya sıkıştırılmış görselleri dikkat çekici detay kurtarmayla yüksek çözünürlüklü çıktılara dönüştüren açık kaynak görsel büyütme ve restorasyon modelidir. 2021'de BSD lisansı altında yayınlanan Real-ESRGAN, sıkıştırma yapıları, gürültü, bulanıklık ve alt örnekleme dahil gerçek dünya görsellerinde bulunan karmaşık ve öngörülemeyen kalite kaybını simüle eden yüksek dereceli bozulma modelleme yaklaşımını tanıtarak orijinal ESRGAN mimarisi üzerine inşa edilmiştir. Model üretici ağı olarak Residual-in-Residual Dense Block'lu U-Net mimarisi kullanır ve keskin, doğal görünümlü büyütülmüş sonuçlar üretmek için algısal kayıp, GAN kaybı ve piksel kaybı kombinasyonuyla eğitilmiştir. Real-ESRGAN 2x, 4x ve daha yüksek büyütme faktörlerini destekler ve genel amaçlı fotoğraf modelinin yanı sıra anime ve illüstrasyon içeriği için özelleştirilmiş model varyantları içerir. Model yalnızca sentetik bozulma desenleri üzerinde eğitilen öncülü ESRGAN'a kıyasla gerçek dünya bozulmalarını çok daha iyi işler. Real-ESRGAN masaüstü araçlar, web servisleri, mobil uygulamalar ve profesyonel görsel düzenleme iş akışları dahil sayısız uygulamaya entegre edilerek en yaygın dağıtılan AI büyütme çözümlerinden biri haline gelmiştir. Model hem CPU hem de GPU'da verimli çalışır ve daha hafif RealESRGAN-x4plus-anime varyantı tüketici donanımı için optimize edilmiştir. Önceden eğitilmiş ağırlıklarla GitHub üzerinde mevcut tamamen açık kaynak bir proje olarak Upscayl ve çeşitli ComfyUI düğümleri gibi popüler araçların omurgası olarak hizmet eder. Real-ESRGAN doğal görünümü korurken ve gerçekçi detay eklerken görsel çözünürlüğünü artırması gereken fotoğrafçılar, içerik üreticileri ve oyun geliştiricileri için vazgeçilmezdir.
StableSR
StableSR, Jianyi Wang ve işbirlikçileri tarafından geliştirilen, gerçekçi detay sentezi ile yüksek kaliteli görsel büyütme için önceden eğitilmiş bir Stable Diffusion modelinin üretken öncülünden yararlanan yenilikçi bir süper çözünürlük modelidir. 2023'te Apache 2.0 lisansı altında yayınlanan StableSR, difüzyon tabanlı üretken modellerin görsel süper çözünürlük görevine ilk başarılı uygulamalarından birini temsil eder. Model düşük çözünürlüklü giriş görselinden bilgiyi her zaman adımında Stable Diffusion gürültü giderme sürecine enjekte eden zaman farkındalıklı bir kodlayıcı ile orijinal görsele sadakat ve üretilen detayların zenginliği arasında denge kuran kontrol edilebilir özellik sarma modülü tanıtır. Bu mimari StableSR'nin geleneksel regresyon tabanlı süper çözünürlük yöntemlerinin elde edemeyeceği dikkat çekici derecede gerçekçi dokular ve ince detaylarla büyütülmüş görseller üretmesini sağlar. Kontrol edilebilir özellik sarma kullanıcıların üretken iyileştirmenin gücünü ayarlamasına olanak tanır ve girdiye yakından uyan muhafazakar restorasyondan daha fazla sentezlenmiş detay ekleyen agresif iyileştirmeye kadar bir yelpaze sunar. StableSR fotoğraflar, sanat eserleri, ekran görüntüleri ve metin içeren görseller dahil çeşitli görsel türlerini işler ve özellikle cilt, saç, kumaş ve yaprak gibi doğal dokuları restore etmede güçlüdür. Model kod ve önceden eğitilmiş ağırlıkları GitHub üzerinde mevcut olan tamamen açık kaynaklıdır ve mevcut Stable Diffusion altyapısıyla uyumludur. StableSR düşük çözünürlüklü görselleri restore eden fotoğrafçılar, referans materyali büyüten dijital sanatçılar ve sınırlı kaynak görsellerinden yüksek çözünürlüklü çıktılara ihtiyaç duyan içerik üreticileri için değerlidir. Difüzyon tabanlı yaklaşımı üretken süper çözünürlük yöntemlerindeki sonraki araştırmaları etkilemiştir.
SUPIR
SUPIR restorasyonunu aynı girdide Q/F ve açıklama karşılaştırmalarıyla değerlendirin; uydurulmuş ayrıntıyı inceleyip denemeden önce ağırlık izinlerini netleştirin.
Hızlı Bilgi
Yüz restorasyonu için öğrenilmiş bir kod kitabından ayrık kodlar tahmin eden Transformer