使用PaddleGAN中的NAFNet进行图像去模糊

1. 项目简介

1.1 项目来源

• 最近逛社区，偶有发现PaddleGan已经提供了模糊图片修复功能，并且开源了模型参数，经过一番调研后选取了尝试跑了一下NAFNet模型，先展示下效果：

处理前：

处理后：

是不是和我一样惊大了嘴巴:)，更重要的是，连模型参数也是开源的，下面给出完整的介绍以及运行方法

1.2 NAFNet介绍

• NAFNet是旷视研究院提出的用于图像复原的模型，在图像去模糊、去噪都取得了很好的性能，不仅计算高效同时性能优于现有的SOTA方案，效果如下图所示。在双目超分任务上，基于NAFNet的双目超分模型NAFSSR获得NTIRE 2022的双目超分赛道冠军

2. 如何使用

• 首先NAFNet的deblur的paddle权重下载到本地，一共有两个权重：

  • 在GoPro数据集上训练得到的NAFNet-GoPro-width64.pdparams， 主要用于运动模糊图像的去除
  • 在REDS数据集上训练得到的NAFNet-REDS-width64.pdparams，主要用于有压缩损失的模糊图像恢复
  • 为方便下载，附上模型参数的网盘下载链接: https://pan.baidu.com/s/1lt4-DXjfHFrH9Yd7huknLA 提取码: phfk

• 接下来则是基于PaddleGAN来调用该权重，运行本项目之前需要将PaddleGAN克隆至本地,并安装必要的依赖

  git clone https://github.com/PaddlePaddle/PaddleGAN
  
  cd PaddleGAN
  
  pip install -r requirements.txt
  
  

• 接下来只需要输入模糊图片所在文件夹和保存文件夹即可

  普通图片，在纯cpu环境一张图片处理速度约为1s左右

  python normal_pic_restoration.py --input_path "./pictures/inputs" --output_path "./pictures/outputs" --weight_path “NAFNet-REDS-width64.pdparams”
  

  4K图片，对于4k级别影像，直接预测会导致爆显存(Out of Memory, OOM)，所以要切块预测，我也封装好了，可以直接用

  python 4k_pic_restoration.py --input_path "./4kpictures/inputs" --output_path "./4kpictures/outputs" --weight_path “NAFNet-REDS-width64.pdparams”
  

• 现在就可以去看模糊修复效果啦，更多效果参见本项目下pictures/outputs和4kpictures/outputs

处理前：

处理后：