JavPlayer – 一款免费开源AI去除视频马赛克工具，带去马赛克强大功能的播放器，支持智能识别功能

JavPlayer是一款去马赛克工具，可以有效去除视频马赛克内容，支持智能识别功能，还能对图片资源进行去重修复，确切来说，这是一款带去马赛克强大功能的播放器。 其工作原理：用一个像素的颜色填满一大个小方块，这种改变是完全不可逆的，因为在改变后就丢失了这个小方块下其他像素的颜色信息，有网友打包了下载软件，还有中文教程，感兴趣的同学可以研究学习，勿做其他事情哈。

生成的其他输出

我们的方法生成的精细细节，坚持在长时间生成的视频序列的过程中。例如，在一个示例中，盔甲的网状结构，蜥蜴的鳞片图案，以及蜘蛛背上的点，都突出了我们方法的能力。我们的时空映射在引导生成器网络产生连贯细节方面起着关键作用。

运行TecoGAN模型

在下面，您可以找到一个运行训练过的TecoGAN模型的快速入门指南。有关参数的进一步解释，请查看runGan.py文件。

注：评估（测试用例2）目前需要Nvidia GPU，编号为0#。 tkinter 也是必需的，可以通过 python3-tk 包安装。

# Install tensorflow1.8+,
pip3 install --ignore-installed --upgrade tensorflow-gpu # or tensorflow
# Install PyTorch (only necessary for the metric evaluations) and other things...
pip3 install -r requirements.txt

# Download our TecoGAN model, the _Vid4_ and _TOS_ scenes shown in our paper and video.
python3 runGan.py 0

# Run the inference mode on the calendar scene.
# You can take a look of the parameter explanations in the runGan.py, feel free to try other scenes!
python3 runGan.py 1 

# Evaluate the results with 4 metrics, PSNR, LPIPS[1], and our temporal metrics tOF and tLP with pytorch.
# Take a look at the paper for more details! 
python3 runGan.py 2

训练TecoGAN模型

1.准备数据

可以使用以下命令将训练和验证数据集下载到选定的目录 TrainingDataPath 中。注意：在线视频下载需要youtube-dl。

# Install youtube-dl for online video downloading
pip install --user --upgrade youtube-dl

# take a look of the parameters first:
python3 dataPrepare.py --help

# To be on the safe side, if you just want to see what will happen, the following line won't download anything,
# and will only save information into log file.
# TrainingDataPath is still important, it the directory where logs are saved: TrainingDataPath/log/logfile_mmddHHMM.txt
python3 dataPrepare.py --start_id 2000 --duration 120 --disk_path TrainingDataPath --TEST

# This will create 308 subfolders under TrainingDataPath, each with 120 frames, from 28 online videos.
# It takes a long time.
python3 dataPrepare.py --start_id 2000 --duration 120 --REMOVE --disk_path TrainingDataPath

准备好后，请在runGAN.py中更新参数TrainingDataPath（对于案例3和案例4），然后您可以使用下载的数据开始训练！

注意事项：大多数数据（308个序列中的272个）与我们用于公布模型的数据相同，但有些数据（308个序列中的36个）不再在线。因此，脚本会下载合适的替换程序。

2.训练模型

本节给出训练新的TecoGAN模型的命令。可以在runGan.py文件中找到详细信息和其他参数。注意：tensorboard gif摘要需要ffmpeg。

# Install ffmpeg for the  gif summary
sudo apt-get install ffmpeg # or conda install ffmpeg

# Train the TecoGAN model, based on our FRVSR model
# Please check and update the following parameters: 
# - VGGPath, it uses ./model/ by default. The VGG model is ca. 500MB
# - TrainingDataPath (see above)
# - in main.py you can also adjust the output directory of the  testWhileTrain() function if you like (it will write into a train/ sub directory by default)
python3 runGan.py 3

# Train without Dst, (i.e. a FRVSR model)
python3 runGan.py 4

# View log via tensorboard
tensorboard --logdir='ex_TecoGANmm-dd-hh/log' --port=8008