GFPGANで、顔のボヤけたモノクロ写真をシャープなカラー写真に変換する

1.はじめに

　今回ご紹介するのは、顔のボヤけたモノクロ写真をシャープなカラー写真に変換するGFPGANという技術です。

＊この論文は、2021.11に提出されました。

2.GFPGANとは？

　下記が GFPGAN（Generative Facial Prior GAN）の概要図です。基本的には、従来からあるStyleGANを使ってボヤけた顔を復元する手法ですが、いくつか改良ポイントがあります。

　１つ目は、GANの前段に Degradation Removal（劣化除去モジュール）を設けて、latent codes W（潜在的コードマッピング）と Channel-Split SFT（分割空間機能変換）で接続したことです。このときGANへ伝達するのが、従来の低解像度の情報のみではなく、低解像度〜高解像度の情報であるため、学習後は１回のフォワードパスで結果を得ることが出来ます。

　２つ目は、ロスとして Facial Component Loss（顔を構成するパーツ毎のロス）と Identity Preserving Loss（顔のアイデンティティを保持するためのロス）を追加したことです。

　また、これらと合わせてReal-ESRGANを使った一般的な画像復元を行い画像全体をシャープにしています。

3.コード

　コードはGoogle Colabで動かす形にしてGithubに上げてありますので、それに沿って説明して行きます。自分で動かしてみたい方は、この「リンク」をクリックし表示されたノートブックの先頭にある「Colab on Web」ボタンをクリックすると動かせます。

　まず、セットアップを行います。カラー化については、GFPGANにもカラー化バージョンはありますが、今回は個人的にカラー化性能の高いと思うDeOldifyを使用しますので、GFPGAN と DeOldify の両方をセットアップします。

#@title #**setup**

# --- GFPGAN setup ---
# Clone GFPGAN
%cd /content
!rm -rf GFPGAN
!git clone https://github.com/cedro3/GFPGAN.git
%cd GFPGAN

# install library
!pip install basicsr
!pip install facexlib
!pip install -r requirements.txt
!python setup.py develop
!pip install realesrgan  

# Download the pre-trained model
!wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models

# add function
from function import display_pic, reset_folder, comp_display


# --- DeOldify setup ---
# Clone DeOldify
%cd /content
!rm -rf DeOldify
!git clone https://github.com/jantic/DeOldify.git
%cd DeOldify

#NOTE:  This must be the first call in order to work properly!
from deoldify import device
from deoldify.device_id import DeviceId

#choices:  CPU, GPU0...GPU7
device.set(device=DeviceId.GPU0)
import torch
if not torch.cuda.is_available():
    print('GPU not available.')

# install library
! pip install -r requirements-colab.txt

# import library
import fastai
from deoldify.visualize import *
import warnings
warnings.filterwarnings("ignore", category=UserWarning, message=".*?Your .*? set is empty.*?")

# download models
! mkdir 'models'
! wget https://data.deepai.org/deoldify/ColorizeArtistic_gen.pth -O ./models/ColorizeArtistic_gen.pth

# download watermark
! wget https://media.githubusercontent.com/media/jantic/DeOldify/master/resource_images/watermark.png -O ./resource_images/watermark.png

# load model
colorizer = get_image_colorizer(artistic=True)

#@title #**setup**

# --- GFPGAN setup ---

# Clone GFPGAN

%cd /content

!rm -rf GFPGAN

!git clone https://github.com/cedro3/GFPGAN.git

%cd GFPGAN

# install library

!pip install basicsr

!pip install facexlib

!pip install -r requirements.txt

!python setup.py develop

!pip install realesrgan

# Download the pre-trained model

!wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models

# add function

from function import display_pic, reset_folder, comp_display

# --- DeOldify setup ---

# Clone DeOldify

%cd /content

!rm -rf DeOldify

!git clone https://github.com/jantic/DeOldify.git

%cd DeOldify

#NOTE: This must be the first call in order to work properly!

from deoldify import device

from deoldify.device_id import DeviceId

#choices: CPU, GPU0...GPU7

device.set(device=DeviceId.GPU0)

import torch

if not torch.cuda.is_available():

print('GPU not available.')

# install library

! pip install -r requirements-colab.txt

# import library

import fastai

from deoldify.visualize import *

import warnings

warnings.filterwarnings("ignore", category=UserWarning, message=".*?Your .*? set is empty.*?")

# download models

! mkdir 'models'

! wget https://data.deepai.org/deoldify/ColorizeArtistic_gen.pth -O ./models/ColorizeArtistic_gen.pth

# download watermark

! wget https://media.githubusercontent.com/media/jantic/DeOldify/master/resource_images/watermark.png -O ./resource_images/watermark.png

# load model

colorizer = get_image_colorizer(artistic=True)

　今回は、100年くらい前の古いモノクロ写真をシャープなカラー写真に変換してみます。最初に、GFPGAN/images フォルダに格納されているサンプル画像を見てみましょう。なお、自分の画像を使用したい場合は、このフォルダにその画像（jpg）を事前にアップロードしておいて下さい。

#@title #**display sample picture**
display_pic('/content/GFPGAN/images')

1 2	#@title #display sample picture display_pic('/content/GFPGAN/images')

　表示されている画像の中から１つ選んで、picture : にファイル名を記入しGFPGANを実行します。ここでは picture : 09.jpg を設定して実行します。

#@title #**GFPGAN**
%cd /content/GFPGAN
!rm -rf results
picture = '09.jpg'#@param {type:"string"}
input_path = 'images/'+ picture

!python inference_gfpgan.py -i $input_path -o results -v 1.3 -s 2 --bg_upsampler realesrgan

# display befor & after
from IPython.display import clear_output
clear_output()
img_input = cv2.imread('images/'+picture)
img_output = cv2.imread('results/restored_imgs/'+picture)
comp_display(img_input, img_output)

#@title #**GFPGAN**

%cd /content/GFPGAN

!rm -rf results

picture = '09.jpg'#@param {type:"string"}

input_path = 'images/'+ picture

!python inference_gfpgan.py -i $input_path -o results -v 1.3 -s 2 --bg_upsampler realesrgan

# display befor & after

from IPython.display import clear_output

clear_output()

img_input = cv2.imread('images/'+picture)

img_output = cv2.imread('results/restored_imgs/'+picture)

comp_display(img_input, img_output)

　画像全体がクッキリしたことが分かります。続いて、DeOldifyを使ってこの画像をカラー化します。

#@title #**DeOldify**

# copy image
%cd /content/DeOldify
import shutil

pic = '/content/GFPGAN/results/restored_imgs/'+picture
dst_pic = '/content/DeOldify/test_images/'+picture
shutil.copy(pic, dst_pic)


# DeOldify
file_path = 'test_images/'+picture
render_factor = 35 

colorizer.plot_transformed_image(file_path,\
                                  render_factor= render_factor,\
                                  watermarked = False,\
                                  display_render_factor=False,\
                                  compare=True,\
                                  figsize=(15,15))

#@title #**DeOldify**

# copy image

%cd /content/DeOldify

import shutil

pic = '/content/GFPGAN/results/restored_imgs/'+picture

dst_pic = '/content/DeOldify/test_images/'+picture

shutil.copy(pic, dst_pic)

# DeOldify

file_path = 'test_images/'+picture

render_factor = 35

colorizer.plot_transformed_image(file_path,\

render_factor= render_factor,\

watermarked = False,\

display_render_factor=False,\

compare=True,\

figsize=(15,15))

　くっきりとしたカラー写真が出来ました。それでは、最初と比べてどの様に変化したのか見てみましょう。表示した画像は自動的にダウンロードされます（必ず Google chromeを使って下さい）。

#@title #**final comparison image**

# concatenate pre-conversion and post-conversion images
reset_folder('compare_images')
mono = cv2.imread('/content/GFPGAN/images/'+picture)
tmp = cv2.imread('/content/GFPGAN/results/restored_imgs/'+picture)
color = cv2.imread('/content/DeOldify/result_images/'+picture)
height, width ,channels =tmp.shape
mono = cv2.resize(mono, dsize=(width, height))
color = cv2.resize(color, dsize=(width, height))

if height > width:
  result = cv2.hconcat([mono, color])
else:
  result = cv2.vconcat([color, mono])  
cv2.imwrite('compare_images/fine'+picture, result)

# display
from IPython.display import display
from IPython.display import Image as show_img
display(show_img('compare_images/fine'+picture))

# auto-download
from google.colab import files
files.download('compare_images/fine'+picture)

#@title #**final comparison image**

# concatenate pre-conversion and post-conversion images

reset_folder('compare_images')

mono = cv2.imread('/content/GFPGAN/images/'+picture)

tmp = cv2.imread('/content/GFPGAN/results/restored_imgs/'+picture)

color = cv2.imread('/content/DeOldify/result_images/'+picture)

height, width ,channels =tmp.shape

mono = cv2.resize(mono, dsize=(width, height))

color = cv2.resize(color, dsize=(width, height))

if height > width:

result = cv2.hconcat([mono, color])

else:

result = cv2.vconcat([color, mono])

cv2.imwrite('compare_images/fine'+picture, result)

# display

from IPython.display import display

from IPython.display import Image as show_img

display(show_img('compare_images/fine'+picture))

# auto-download

from google.colab import files

files.download('compare_images/fine'+picture)

　ぼやけたモノクロ写真が、クッキリとしたカラー写真に生まれ変わりました！ちなみに、この方は明治時代のミスコンの石川県代表だった方です。

　もう１つやってみましょう。今度は、picture : 10.jpg で実行します。

　これは、1934年（昭和9年）に発刊された雑誌「資生堂グラフ」に掲載された写真で、若い女性の和装と洋装が混在しており、洋装も興味深いデザインになっているのが時代を感じさせますね。

　では、また。

（オリジナルGithub）https://github.com/TencentARC/GFPGAN

GFPGANで、顔のボヤけたモノクロ写真をシャープなカラー写真に変換する

1.はじめに

2.GFPGANとは？

3.コード

コメントを残すコメントをキャンセル

ABOUTこの記事をかいた人

NEW POSTこのライターの最新記事

Animate Anyoneで、１枚の画像から動画を生成する

SVDで静止画から動画を生成する

DiffMorpherを使って、拡散モデルでモーフィングを行う

Domo AIで、実写動画をアニメ化する

最近の投稿

最近のコメント

アーカイブ

カテゴリー

メタ情報

1.はじめに

2.GFPGANとは？

3.コード

コメントを残す コメントをキャンセル

RECOMMENDこちらの記事も人気です。

GANモデルで、ポートレート写真を線画にする

アニメ顔生成のためのStyleGAN2のファインチューニング技術

NNabla DCGAN 生成される顔画像を入力ベクトルでコントロールす…

SONY Neural Network Console でメガネ女子のメ…

DualStyleGANで、高精度のスタイル転送を行う

BlendGANで、顔画像に様々なスタイルをブレンドする

SadTalkerを使って、音声で顔画像を動かす

Keras KMNISTでサクッと遊んでみる

ABOUTこの記事をかいた人

NEW POSTこのライターの最新記事

Animate Anyoneで、１枚の画像から動画を生成する

SVDで静止画から動画を生成する

DiffMorpherを使って、拡散モデルでモーフィングを行う

Domo AIで、実写動画をアニメ化する

最近の投稿

最近のコメント

アーカイブ

カテゴリー

メタ情報

コメントを残すコメントをキャンセル