Picsart-AI-Research/MI-GAN
[ICCV 2023] MI-GAN: A Simple Baseline for Image Inpainting on Mobile Devices
解決的問題
MI-GAN 旨在為行動裝置執行高品質的圖像修復（填補圖像中缺失或不需要的部分）。它解決了在保持小模型尺寸和快速推理速度的同時實現最先進結果的挑戰，使其適用於裝置端處理。
運作原理
MI-GAN 作為一個輕量級的修復基準。它使用教師-學生框架進行訓練，其中一個更大、更複雜的模型（Co-Mod-GAN）作為教師來指導較小的 MI-GAN 學生網路的訓練。該專案提供了訓練教師和學生模型的工具，以及將模型匯出為 ONNX 格式的腳本，以便無縫整合到行動應用程式中。
適用對象
此專案適合對在行動硬體上部署 AI 驅動的圖像編輯工具感興趣的開發者和研究人員，以及研究高效基於 GAN 的圖像合成的人員。
特點
- 行動裝置優化：比最近的最先進方法小一個數量級且速度更快，同時保持較低的 FID (Fréchet Inception Distance)。
- 多功能：能夠在複雜場景圖像和人臉圖像 (FFHQ) 上產生合理的結果。
- 開發者友善：包含一個將整個流程（包括預處理和後處理）轉換為單一 ONNX 檔案的腳本。
- 整合就緒：與 IOPaint 等工具相容，可立即進行測試。
相關
- 專案
- 專案
- 專案
- 專案