Image Restoration System

🚀 POSTECH Institute of Artificial Intelligence Intern Program

-- 이미지 개선 4가지 작업을 딥러닝 모델을 이용하여 파이썬 코드로 구현 (NAFNet, HAT, MAXIM 모델) --

• Image denosing with NAFNet https://github.com/megvii-research/NAFNet

• Image deblurring with NAFNet

• Image super resolution with HAT https://github.com/XPixelGroup/HAT.git

• Image dehazing with MAXIM https://github.com/google-research/maxim.git

• NAFNet 논문 리뷰 및 요약

https://drive.google.com/file/d/1AoUg8Lne4XmBxQbV37W_F4qDiyBUiV2S/view?usp=sharing

---

📌 시스템 구조도

---

📌 Required

demo_Multi.py 실행시키기 위한 준비 과정

1. NAFNet pretrained model 다운로드 NAFNet-width32.yml
2. HAT pretrained model 다운로드 HAT_SRx4_ImageNet-pretrain.pth
3. MAXIM pretrained model 다운로드 Dehazing-RESIDE-Outdoor
4. 다운로드 후 experiments에 모델 파일 저장
5. python path 설정 : export PYTHONPATH= /프로젝트디렉토리/:/basicsr모듈디렉토리/
6. echo $PYTHONPATH : 파이썬 모듈 찾는 경로가 잘 설정되었는지 확인
7. python setup_basicsr.py develop --no_cuda_ext : processing dependencies for basicsr 모듈
8. python setup_maxim.py develop : processing dependencies for maxim 모듈

---

📌 Quick Start

이미지 개선 옵션을 원하는 대로 선택하는 demo.Multi.py 사용 방법

1. Required 실행 조건 만족
2. demo/Multi_in 폴더에 노이즈 이미지 넣어놓기

python basicsr/demo_Multi.py

4. 1: denoising , 2: deblurring, 3: super-resolution 4:dehazing 옵션 중 원하는 옵션 입력
5. demo/Multi_out 폴더에 작업 후 이미지 생성된다.

---

🖇️ FID300 데이터셋 이미지 테스트 수행 결과

• dehazing -> denoising -> denoising

• dehazing -> denoising -> deblurring -> denoising -> deblurring