chinese.md

DigitalFilm 数字胶卷

DigitalFilm：使用神经网络来模拟胶卷风格。

---

"DigitalFilm" 数字胶卷

使用一个神经网络来模拟胶卷风格。
探索本项目的文档 »

查看Demo · 报告Bug · 提出新特性

本篇README.md面向开发者和用户
English

PPT 演示

源码

目录

• DigitalFilm 数字胶卷
  • 目录
    • 样片
    • 运行 Demo
    • 训练模型 - 安装步骤
    • 整体架构
    • 数据集
    • 文件目录说明
    • 版本控制
    • 作者
    • 版权说明

样片

图1 样片rollei_infrared_400

图2 样片 kodak gold 200

图3 样片 fuji color 200

运行 Demo

输入照片长和宽需要可以被 32 整除。

python digitalFilm.py [-v/-h/-g] -i <input> -o <ouput> -m <model>

• -v 打印版本信息
• -h 帮助信息
• -g 图形化选择图片
• -i 输入图片的目录
• -o 输出图片的目录
• -m 模型目录

训练模型

训练模型直接使用 cyclegan.ipynb.
但是要预先下载 resnet18 的预训练模型。
在两个文件夹内准备好数码照片与胶片照片。
模型可以在发行版中查看。

安装步骤

git clone https://github.com/SongZihui-sudo/digitalFilm.git

最好现在conda里创建好环境，然后安装各种依赖。

pip install -r requirement.txt

整体架构

将数码照片转换为胶片风格可以看作是一个图像风格转换任务。所以整体的架构采用了 cycleGAN 网络。 pytorch-CycleGAN-and-pix2pix
而且获取大规模数码照片与胶片风格照片的数据比较困难，所以采用无监督的方式，使用未配对的数据进行训练。

数据集

数据集由双源影像数据构成，主体部分采集自小米13 Ultra 手机拍摄的高质量数码照片，其余选自专业HDR影像数据集。
胶片样片搜集于网络。

文件目录说明

• DigitalFilm.ipynb 用来训练模型
• app 一个 Demo
  • digitalFilm.py
  • mynet.py
  • mynet2.py

版本控制

该项目使用Git进行版本管理。您可以在repository参看当前可用版本。

作者

151122876@qq.com SongZihui-sudo

知乎:Dr.who   qq:1751122876

您也可以在贡献者名单中参看所有参与该项目的开发者。

版权说明

该项目签署了 GPLv3 授权许可，详情请参阅 LICENSE.txt