[ID CC-CC2022] iWai — обработка изображений с помощью waifu2x-caffe

[~RA~]

How to build Caffe for OS X. · GitHub

 

[_MBK_]

Я извиняюсь за безграмотность....
а вот этот "waifu2x-caffe", его нужно компилировать или что с ним для работы необходимо делать?

- Доктор, ваши свечи отвратительны на вкус и совершенно не помогают? - А вы что, их едите? - .

 

[vbatushev]

Я извиняюсь за безграмотность....
а вот этот "waifu2x-caffe", его нужно компилировать или что с ним для работы необходимо делать?

Скомпилированное качается здесь: Releases · lltcggie/waifu2x-caffe · GitHub
Скачал zip, распаковал его в папку ~/Documents/waifu2x-caffe (C:\Users\имя_пользователя\Documents\waifu2x-caffe), открыл публикацию в индизайне, запустил скрипт, настроил в диалоге всякое. Если дружишь с JSON, то можешь до всякого прочего создать себе config.json, который должен лежать в той же папке, что и скрипт.
Например, вот с таким содержимым:

{
    "waifu2x_path": "~/Documents/waifu2x-caffe/waifu2x-caffe-cui.exe",
    "maxppi": 200,
    "minppi": 50,
    "mode": "auto_scale",
    "noise": 0,
    "profiles": "upconv_7_anime_style_art_rgb",
    "block": 64,
    "processor": "gpu"
}

 

[vbatushev]

Выкатил iWai 1.5.
Описание. Изменения. Скачать.

 

[Petruccio]

...
Ускорение за счёт видеокарты включается параметром "gpu", но работает только с NVidia. Замерил время обработки пары картинок: "gpu" – 21 сек.; "cpu" — 2 мин. 32 cек.

У меня NVIDIA GeForce GTX 650 Ti (так определил cpu-z).
Обработки не происходит, файл не создаётся... Не подскажете в чём может быть проблема. куда копать? С параметром «cpu» всё работает как надо, но долго.

 

[vbatushev]

Не подскажете в чём может быть проблема. куда копать? С параметром «cpu» всё работает как надо, но долго.

Петру, ну тут надо, видимо, смотреть пошагово. Хочешь, стукни мне в скайп vbatushev, можно попробовать через Teamviewer глянуть, что за беда.

 

[vbatushev]

У меня, кстати, Intel HD Graphics 4000 и "gpu" работает.

 

[DimB]

@TRANTOR,
Вот еще один вариант:
GitHub - alexjc/neural-enhance: Super Resolution for images using deep learning.

Не по теме:
И еще два интересных, но не по теме:
GitHub - alexjc/neural-doodle: Turn your two-bit doodles into fine artworks with deep neural networks, generate seamless textures from photos, transfer style from one image to another, perform example-based upscaling, but wait... there's more! (An implementation of Semantic Style Transfer.)
Image-to-Image Translation with Conditional Adversarial Networks

 

[TRANTOR]

Да, сейчас нейронки во все поля. Пока пробую осилить Микросовтовый CNTK (вполне сносная MIT-лицензия, быстро работает, с виду удобный API итд). Можно будет сделать не только "super resolution", но и де-джипег с шумодавом. Только тренировать все это придется очень долго и внимательно.

И вообще, веселые штуки с нейронками можно делать: #MSBuild Day 1 Keynote | Channel 9

 

[DimB]

Да, сейчас нейронки во все поля.

Т.о. получаем ответ на вопрос, который тут периодически поднимается -- "Зачем нужна мощная видеокарта?". Думаю, играют то все здесь присутствующие скорее всего редко или вообще времени жалко. А я вот тут, относительно недавно, первый раз пожалел, что ее у меня нет. Хотя даже на слабой -- CUDA на таких расчетах все равно быстрее.

Не по теме:

И вообще, веселые штуки с нейронками можно делать:

Из самого веселого, что пока видел -- это результаты в комментариях к этой статье: Рисуем остаток совы на базе нейросетей
Самому попробовать порисовать можно здесь (с планшетом будет интереснее): Image-to-Image Demo - Affine Layer

 

[_MBK_]

Из самого веселого, что пока видел -- это результаты в комментариях к этой статье: Рисуем остаток совы на базе нейросетей
Самому попробовать порисовать можно здесь (с планшетом будет интереснее): Image-to-Image Demo - Affine Layer

На самом деле, выглядит впечатляюще только для хомячка, знакомого с компьютерными технологиями на уровне приложений ойфончега.
На заре счастливых девяностых существовала такая простенькая программа morph
так вот она безо всяких "нейронных сетей" позволяла формировать средние изображения на основе любого количества однотипных предметов
Фактически выполняя то же самое действие, восможно, разве что, с чуть менее продвинутым интерфейсом. Но с абсолютно идентичным результатом.
Куда шагнул прогресс более чем за четверть века?

 

[ch_alex]

Тема очень интересна сама по себе. Например, она касается не только улучшения изображений. Это также касается построения недостающих выпусков под обрез, чем не любят заниматься многие. Это также актуально на телевидении, где присутствует множество пропорций экранов и где остро стоит проблема борьбы с незаполненными полями при несовпадении пропорций. Примерно лет 10-12 назад эта проблема была решена некоммерческими разработчиками. В частности возможности программы morph реализованы были на AviSynth 12 лет назад и сейчас вплотную используются в телевизорах, где дорисовываются недостающие кадры, благодаря чему визуально увеличивается плавность изображений. Таким способом восстанавливаются древние съёмки, когда частота кадров была заметно ниже 24 Герц.

Нейронные сети с их памятью оказываются более универсальными и продуктивными для решения достаточно широкого спектра задач.