![JavPlayer 一款免费开源有效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](https://www.mohe-sc.com/wp-content/uploads/2023/11/JavPlayer-一款免费开源有效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-1024x576.jpg)
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。
![图片[2]-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](https://pic.turnfish.top/images/2023/11/14/10001.gif)
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
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END
请登录后查看评论内容