HDRFlow 开源项目安装与使用指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00166/article/details/142843524

HDRFlow 开源项目安装与使用指南

HDRFlow [CVPR 2024] Real-Time HDR Video Reconstruction 项目地址: https://gitcode.com/gh_mirrors/hd/HDRFlow

一、项目目录结构及介绍

Open Imaging Lab 的 HDRFlow 是一个旨在实时重建高动态范围（HDR）视频的项目，特别适用于处理大幅运动场景。以下是其主要的目录结构及其简介：

HDRFlow/
├── HDRFlow/                  # 根目录
│   ├── dataset               # 数据集相关文件夹
│   │   ├── vimeo_septuplet    # Vimeo-90K数据子集存放处
│   │   └── Sintel            # Sintel训练数据
│   ├── data                  # 测试数据集存储位置
│   │   ├── HDR_Synthetic_Test_Dataset
│   │   ├── DeepHDRVideo      # 包含真实世界动态和静态场景的数据
│   │   └── TOG13_Dynamic_Dataset
│   ├── models                 # 模型定义文件
│   ├── pretrained_models      # 预训练模型存放处
│   ├── utils                  # 辅助工具函数
│   ├── LICENSE                # 许可证文件
│   ├── README.md              # 项目介绍文档
│   ├── requirements.txt       # 项目依赖列表
│   ├── test*.py               # 测试脚本，如测试不同曝光设置下的运行
│   ├── train*.py              # 训练脚本，支持不同曝光情况下的训练
│   └── ...
├── ...

说明：

dataset 和 data 目录用于存放训练和测试所需的高清视频数据集。
models 包含深度学习模型的代码实现。
pretrained_models 预期存放预先训练好的模型权重，便于快速部署。
test*.py 和 train*.py 分别是进行模型测试和训练的脚本。

二、项目的启动文件介绍

HDRFlow的主要启动文件包括用于测试和训练的Python脚本：

测试脚本 (test*.py)：
- test_2E.py, test_3E.py, test_tog13_2E.py, test_tog13_3E.py: 这些脚本分别用于在不同的数据集上测试模型，其中数字表示使用的曝光数（2Exposure 或 3Exposure）。
训练脚本 (train*.py)：
- train_2E.py, train_3E.py: 提供对模型进行训练的功能，根据输入视频的曝光情况选择对应的脚本。

启动这些脚本前，需确保已按照要求配置好环境并下载所需数据集。

三、项目的配置文件介绍

HDRFlow并未直接提到特定的配置文件如.yaml或.json，但配置主要是通过命令行参数和环境变量来指定的。在使用过程中，您会通过以下几种方式来“配置”项目：

环境变量: 通过设置Python环境变量来控制部分行为，如激活特定的conda环境。
命令行参数: 在运行测试或训练脚本时，通过添加相应的命令行参数来定制操作，例如指定数据集路径、模型类型、是否使用GPU等。

虽然没有明确的配置文件，但requirements.txt定义了项目的软件依赖，确保正确安装库是成功运行项目的基础。

安装与基础配置流程概览

环境搭建：使用conda创建一个新的虚拟环境并激活它。
```
conda create -n hdrflow python=3.10
conda activate hdrflow
```
安装PyTorch及相关依赖。
依赖安装：从requirements.txt安装所有必需的包。
```
pip install -r requirements.txt
```
数据集准备：根据项目说明，下载并适当组织Vimeo-90K、Sintel以及TOG13_Dynamic_Dataset等数据集至相应目录。
运行测试或训练：以测试为例，选择合适的测试脚本，并根据需要调整命令行参数，例如：
```
python test_2E.py --dataset DeepHDRVideo --dataset_dir data/dynamic_RGB_data_2exp_release
```