Bringing Old Photos Back to Life微软老照片修复全解析(原理、代码、训练、测试）

原创 已于 2023-02-17 23:03:12 修改 · 3.5k 阅读 · 34 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#神经网络 #计算机视觉 #人工智能 #图像处理 #迁移学习

于 2021-08-05 14:49:03 首次发布
该系列博客深入探讨了《Bringing Old Photos Back to Life》论文的技术原理，包括图像去雾的实现。作者详细分析了数据加载和模型构建过程，并分享了利用该论文开源代码进行图像处理的实践心得，揭示了模型训练与数据集的关键点。
部署运行你感兴趣的模型镜像

       挖坑，写一下该论文相关的信息，从原理、模型代码分析、测试、最后写模型的数据集及其训练。

 

（1）

Bringing Old Photos Back to Life原理和测试        

（2）

Bringing Old Photos Back to Life模型代码分析1(数据载入部分) 

​ Bringing Old Photos Back to Life模型代码分析2(模型部分) ​

（3）

图像去雾，利用《bringing old photos back to life》 训练并修改_Alocus的博客-优快云博客

图像去雾，利用《bringing old photos back to life》 的开源代码_Alocus的博客-优快云博客

图像去雾学习总结_Alocus的博客-优快云博客_图像去雾存在的问题

您可能感兴趣的与本文相关的镜像

Yolo-v5

Yolo-v5

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

[GAN]老照片修复Bringing Old Photos Back to Life论文总结
“知识最大的敌人不是无知，而是错觉”
07-24 2581
老照片修复Bringing Old Photos Back to Life论文总结。
让老照片重现光彩：Bringing Old Photos Back to Life（实战）
hs6605015的博客
03-22 7727
Bringing Old Photos Back to Life 香港城市大学和微软亚洲研究院的“让老照片重现光彩”（Bringing Old Photos Back to Life）项目侧重于对老照片进行划痕修复和人脸效果增强，在老照片处理方面取得了很好的成绩，在这篇文章里我们介绍一下这个项目。 论文地址：https://arxiv.org/abs/2004.09484 Github项目：https://github.com/microsoft/Bringing-Old-Photos-Back-to-Li
Bringing-Old-Photos-Back-to-Life:重现旧照片（CVPR 2020口头）
05-11
旧照片还原（官方PyTorch实施） | | | | :fire: 使旧照片重现生命，CVPR2020（口服） 通过深潜空间转换恢复旧照片，正在审查PAMI 1 ，2 ，3 ，4 ，2 ，1 ，2 1香港城市大学， 2 Microsoft亚洲研究， 3 Microsoft Cloud AI， 4 USTC 这个项目的笔记 该代码源自我们的研究项目，目的是演示研究思路，因此我们并未从产品角度对其进行优化。 而且，我们将花费时间来解决一些常见问题，例如内存不足问题，分辨率受限，但不会在工程方面涉及太多问题，例如推理速度加快，fastapi部署等。顶一下。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。的的的的的的的的话。。。。。。。。。。。
老照片修复新范式：用AI技术一键唤醒时光记忆
最新发布
gitblog_00113的博客
09-22 976
你是否还在为家中泛黄、破损的老照片惋惜？那些承载着家族记忆的珍贵影像，因岁月侵蚀变得模糊不清——折痕横贯画面、褪色让色彩失真、甚至面部细节已难以辨认。现在，借助**Bringing Old Photos Back to Life**项目的AI技术，只需一行命令即可让老照片重获新生。本文将带你快速掌握从环境搭建到照片修复的全流程，让沉睡的记忆重新焕发光彩。 ## 项目简介：AI修复老照片的技术突破...
Bringing-Old-Photos-Back-to-Life-master
04-03
旧照片还原（官方PyTorch实施） | | | | :fire: 使旧照片重现生命，CVPR2020（口服） 通过深潜空间转换恢复旧照片，正在审查PAMI 1 ，2 ，3 ，4 ，2 ，1 ，2 1香港城市大学， 2 Microsoft亚洲研究， 3 Microsoft Cloud AI， 4 USTC 这个项目的笔记 该代码源自我们的研究项目，目的是演示研究思路，因此我们并未从产品角度对其进行优化。 而且，我们将花费时间来解决一些常见问题，例如内存不足问题，有限的分辨率，但不会过多涉及工程问题，例如推理的速度，fastapi部署等。 我们欢迎志愿者为这个项目做出贡献，以使其更实用。 新的 您现在可以使用我们的并在您的照片上尝试一下。 要求 该代码已在装有Nvidia GPU和CUDA的Ubuntu上进行了测试。 需要Python> = 3.6才能运行代码。 安装 克隆用于以下内容的S
让老照片重现光彩（一）：Bringing Old Photos Back to Life
热门推荐
Drug discovery
05-29 1万+
作者开创性地使用了两个变分自动编码器（VAEs），分别将旧照片、干净照片映射到两个不同的潜码空间。这里，r 是真实的旧照片；(x, y) 是通过数据合成产生的配对数据集，y 是干净照片集，x 是由 y 退化而得到的破损照片集。 将数据集 { r }、{ x }、{ y } 分别映射到潜码空间 Zr 、Zx、Zy 。{ r }、{ x } 都是破损照片集，可以强化某种约束使 Zr ≈ Zx （通过联合训练的对抗判别器 adversarial discriminator 来闭合其域间隔）。利用合成的数据对..
老照片修复之Bringing Old Photos Back to Life
程序员深度学习
10-24 3435
1. 摘要 老照片修复中面临着许多的图像处理问题，比如填孔洞、去划痕、上色、去噪等，也就是说包含了多种图像退化问题。而使用深度学习进行训练时往往需要制造样本对，但是真实的低质量数据包含多种退化问题，想要通过正常图像模拟出完全符合数据分布的低质量图像几乎是不可能的。（同样的问题在Deblur、SR、Denoise等Low level问题中也有遇到） 为了回避样本制造的问题，本文将老照片修复模拟成三域转换的问题，三个域分别是真实的老照片的域 R 、合成的低质照片的域 X 、真实的高质照片（GT）的域 Y 。.
老照片修复（CVPR2020）Bringing Old Photos Back to Life 论文笔记
u014447845的博客
10-24 5466
website：http://raywzy.com/Old_Photo/ GitHub：https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life 一、简介 目的：老照片的退化太复杂，合成数据跟真实老照片间的domain gap使得只在合成数据上训练的网络很难去很好的泛化，为此，希望通过域转换对齐分布。 二、主要内容 1、定义：设真实老照片域为R，合成数据域为X，合成数据对应的真值数据域为Y。 2、主要框架： 首先，通过VAE将三
图像去雾，利用《bringing old photos back to life》 训练并修改
Alocus的博客
01-25 5228
背景 《bringing old photos back to life》是一篇用于老照片修复的论文，论文的故事讲的很好，但是不利于读者的理解，而且代码中的很多细节，论文中并未提到。具体的代码背景等可以查看我之前写的一些文章，本次博客主要记录我用它的模型做的我一些任务（去雾），并写出一些主要得坑和tips。 下面从三部分记录，分别为数据的处理，模型修改，模型训练，中间加插一些坑与tips。过些时间我会上传一份我训练的代码和数据集（等我的论文出版之后吧==）。 数据的处理 原始论文得数据处理就是一个坑
微软老照片修复 Bringing-Old-Photos-Back-to-Life
11-01
Bringing-Old-Photos-Back-to-Life（打包）
bring-old-photos-back-to-life 预训练模型checkpoints压缩包（1）
10-19
bring-old-photos-back-to-life Face_Enhance部分的预训练模型，直接下载速度太慢，所以在这里做备份
重拾旧时光——Bringing-Old-Photos-Back-to-Life
gwk1234567的博客
10-02 1万+
Bringing-Old-Photos-Back-to-LifeBringing-Old-Photos-Back-to-Life项目简介Bringing-Old-Photos-Back-to-Life项目资源下载与配置三级目录 Bringing-Old-Photos-Back-to-Life项目简介   最近在公众号看到有关Bringing-Old-Photos-Back-to-Life的内容，觉得很有意思，可以将模糊的，褶皱的照片相应的还原 所以自己尝试一下。   这个开源的项目在github上可以找到
Bring Old Photos Back To Life-----原理的整理总结
sbh52113的博客
07-07 1873
本篇博客是对Bring Old Photos Back to Life的原理进行了分析，并加如了自己的观点看法。
Bringing Old Photos Back to Life微软老照片修复——原理和测试
Alocus的博客
08-27 2832
您需要先看下pix2pix、pix2pixHD的原理！着重看下其判别器和生成器
利用AI重焕旧照片生机：Microsoft的`Bringing Old Photos Back to Life`项目解析
gitblog_00029的博客
03-19 750
利用AI重焕旧照片生机：Microsoft的Bringing Old Photos Back to Life项目解析 Bringing-Old-Photos-Back-to-LifeBringing Old Photo Back to Life (CVPR 2020 oral)项目地址:https://gitcode.com/gh_mirrors/br/Bringing-Old-Photos-B...
微软开源项目-AI修复老照片
PowerBI木小桼
08-24 2053
今天介绍一个Python的开源项目，是由微软研究院团队的Ziyu Wan,Bo Zhang等人开发的，通过深度学习方法来恢复受损严重的老照片。github项目地址如下 https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life 感兴趣的可以下载来学习或者运行来修复一些受损的照片，官方效果图如下，效果还是不错的。 实际表现究竟如何呢，我们可以来实际运行下代码，这里不得不吐槽一下微软去年关闭了自家的notebook，使得该项目的大佬不得不把代码
【实战】（香港城市大学，微软亚洲研究院）让老照片重现光彩（一）：Bringing Old Photos Back to Life
weixin_41943311的博客
09-22 5646
香港城市大学和微软亚洲研究院的“让老照片重现光彩”（Bringing Old Photos Back to Life）项目侧重于对老照片进行划痕修复和人脸效果增强，在老照片处理方面取得了很好的成绩，在这篇文章里我们介绍一下这个项目。 论文地址：https://arxiv.org/abs/2004.09484 Github项目：https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life （一）架构简介 作者开创性地使用了两个变分.
老照片修复Bringing Old Photos Back to Life实践
qq_36320520的博客
07-25 1596
将待修复的带划痕/有破损的老照片放到.\test_images\old_w_scratch目录下，将不带划痕需要改进色彩或清晰度的老照片放到.\test_images\old目录下，运行以下命令行。链接https//pan.baidu.com/s/13CU_pj1n8D17uN7BsDG0GA。链接https//pan.baidu.com/s/1xub_9z3jyqMEZNqZwg7LEA。NVIDIA控制面板-->帮助-->系统信息-->组件。主要问题是内存不够.......
CVPR 2020 Oral｜效果超群的老照片“复活”算法
我爱计算机视觉
04-21 3079
介绍一篇新出的CVPR 2020 Oral论文Bringing Old Photos Back to Life，老照片的修复，在视觉效果上看效果超群。该文作者来自香港城市大学、微软...
Bringing Old Photos Back to Life的网络结构
06-02
"Bringing Old Photos Back to Life" 的网络结构主要由编码器和解码器组成，具体如下： 1. 编码器：采用了残差网络（ResNet）的结构，将待恢复图像编码成高维特征向量。编码器主要由卷积层、残差块和全局平均池化层组成，其中卷积层和残差块用于提取图像特征，全局平均池化层用于将特征向量映射到低维空间。 2. 解码器：采用了反卷积层（Deconvolution）的结构，将特征向量转换回高质量图像。解码器主要由反卷积层、反残差块和上采样层组成，其中反卷积层和反残差块用于解码特征向量，上采样层用于将解码后的图像放大到原始大小。 整个网络结构采用了残差学习的思想，通过跨层连接传递信息，可以加速模型训练和提高恢复质量。此外，网络结构中还引入了一些新的技术，如像素重构损失、感知损失和对抗损失等，可以进一步提高恢复效果。
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Alocus_

如果我的内容帮助到你，打赏我吧

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值