尧图网站建设 
媒体生成计算机视觉深度学习人工智能大模型【免费下载链接】mmagicOpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Unlock the magic : Generative-AI (AIGC), easy-to-use APIs, awsome model zoo, diffusion models, for text-to-image generation, image/video restoration/enhancement, etc.项目地址https://gitcode.com/gh_mirrors/mm/mmagic点击查看免费下载本文以 MMagic 仓库中tools/dataset_converters/dpdd/README_zh-CN.md为核心系统讲解 DPDDDense Per-pixel Defocus Deblurring测试数据集的下载方式、目录结构与配置要点并结合仓库内的 Restormer 失焦去模糊配置文件单像素与双像素两种任务说明该数据集在 MMagic 推理测试流程中的实际组织方式。读完本文你将掌握在本地正确摆放 DPDD 数据集、并通过tools/test.py复现 Restormer (CVPR2022) 失焦去模糊评测的完整操作路径。DPDD 数据集是什么DPDDDense Per-pixel Defocus Deblurring是失焦去模糊Defocus Deblurring领域的标准测试数据集常用于评估模型在散焦模糊场景下的复原能力。在 MMagic 中它被 Restormer 的官方评测配置 restormer_official_dpdd-single.py 与 restormer_official_dpdd-dual.py 所引用对应论文为inproceedings{Zamir2021Restormer, title{Restormer: Efficient Transformer for High-Resolution Image Restoration}, author{Syed Waqas Zamir and Aditya Arora and Salman Khan and Munawar Hayat and Fahad Shahbaz Khan and Ming-Hsuan Yang}, booktitle{CVPR}, year{2022} }该数据集由左右双视角dual-pixel图像对构成这也是 DPDD 目录中出现inputL与inputR两个输入子目录的原因双像素dual-pixel相机传感器可以同时捕获两个略有视差的模糊视图利用这一线索有助于恢复更高质量的清晰图像。下载测试数据集MMagic 官方说明中DPDD 测试数据集从 Google Drive 下载链接为https://drive.google.com/file/d/1dDWUQ_D93XGtcywoUcZE1HOXCV4EuLyw/注意该下载链接来自仓库文档原文README_zh-CN.md。由于访问 Google Drive 需要稳定的网络环境在国内或受限网络下可能需要代理工具辅助下载。下载完成后得到的是压缩包请解压后按下一节的目录结构进行摆放。下载解压后数据集应放置于仓库根目录下的data/DPDD文件夹中。仓库文档明确要求data目录与mmagic、tools、configs平级位于项目根目录下。标准目录结构必须严格遵循将数据集解压并摆放后data/DPDD目录下应包含以下内容mmagic ├── mmagic ├── tools ├── configs ├── data │ ├── DPDD │ │ ├── inputL │ │ ├── inputR │ │ ├── inputC │ │ ├── target │ │ ├── indoor_labels.npy │ │ ├── indoor_labels.txt │ │ ├── outdoor_labels.npy │ │ └── outdoor_labels.txt各子目录与文件的作用说明如下路径内容用途data/DPDD/inputL左视角模糊图dual-pixel 左侧视图双像素任务输入之一data/DPDD/inputR右视角模糊图dual-pixel 右侧视图双像素任务输入之一data/DPDD/inputC中心合成模糊图中心视角单像素任务输入data/DPDD/target清晰参考图Ground Truth评测时计算 PSNR/SSIM/MAE 的对照data/DPDD/indoor_labels.npy室内场景样本索引numpy 格式供加载样本标签使用data/DPDD/indoor_labels.txt室内场景样本清单文本格式供BasicImageDataset的ann_file读取data/DPDD/outdoor_labels.npy室外场景样本索引numpy 格式供加载样本标签使用data/DPDD/outdoor_labels.txt室外场景样本清单文本格式供BasicImageDataset的ann_file读取需要特别说明的是.npy与.txt两种格式的差异.txt标注文件是 MMagic 数据管线实际读取的样本清单而.npy文件是数据集原始发布时自带的 numpy 格式索引两者内容对应同一批样本。在 MMagic 配置中真正被ann_file参数引用的是.txt文件。配置如何消费这套目录结构DPDD 目录结构并非随意设计它与 configs/base/datasets/deblurring-defocus_test_config.py 中的数据前缀映射一一对应。该基础配置中数据根目录被定义为dpdd_data_root data/DPDD即相对于仓库根目录的data/DPDD路径这也解释了为什么文档要求将数据集解压到该位置。随后配置通过data_prefix将输入目录映射到数据管线中的键名data_prefixdict( imginputC, imgLinputL, imgRinputR, gttarget),映射关系可以理解为img中心合成输入→data/DPDD/inputCimgL左视角输入→data/DPDD/inputLimgR右视角输入→data/DPDD/inputRgt清晰参考→data/DPDD/target对应的ann_file参数分别引用indoor_labels.txt与outdoor_labels.txt将 DPDD 划分为室内Indoor与室外Outdoor两个评测子集并额外合并出一个 Combined全部样本评测集合dpdd_indoor_dataloader dict( ... datasetdict( typeBasicImageDataset, metainfodict(dataset_typeDPDD-Indoor, task_namedeblurring), data_rootdpdd_data_root, data_prefixdict( imginputC, imgLinputL, imgRinputR, gttarget), ann_fileindoor_labels.txt, pipelinetest_pipeline))三个 dataloaderIndoor / Outdoor / Combined配合MultiTestLoop与三组评估器MAE、PSNR、SSIM见 deblurring-defocus_test_config.py共同完成一次完整评测最终分别输出DPDD-Indoor、DPDD-Outdoor、DPDD-Combined三组指标。单像素与双像素两种评测模式DPDD 目录之所以同时包含inputC、inputL、inputR是因为 MMagic 为 Restormer 提供了两种失焦去模糊评测模式单像素模式Single配置 restormer_official_dpdd-single.py 中模型以 3 通道中心图inputC作为唯一输入model dict( typeBaseEditModel, generatordict( typeRestormer, inp_channels3, out_channels3, dim48, num_blocks[4, 6, 6, 8], num_refinement_blocks4, heads[1, 2, 4, 8], ffn_expansion_factor2.66, biasFalse, LayerNorm_typeWithBias, dual_pixel_taskFalse), pixel_lossdict(typeL1Loss, loss_weight1.0, reductionmean), data_preprocessordict( typeDataPreprocessor, mean[0., 0., 0.], std[255., 255., 255.], ))关键点在于inp_channels3与dual_pixel_taskFalse即只利用中心视角的模糊图进行去模糊。双像素模式Dual配置 restormer_official_dpdd-dual.py 则在此基础上做了两处关键修改# modify PackInputs test_dataloader _base_.test_dataloader for dataloader in test_dataloader: test_pipeline dataloader[dataset][pipeline] test_pipeline[4] dict(typePackInputs, keys[imgL, imgR]) # model settings model dict( generatordict(inp_channels6, dual_pixel_taskTrue), data_preprocessordict(typeDataPreprocessor))PackInputs的打包键从默认改为[imgL, imgR]即同时打包左右双视角图像生成器输入通道改为inp_channels6左右两图各 3 通道拼接并开启dual_pixel_taskTrue。这一改动对应网络实现 restormer_net.py 中的逻辑当dual_pixel_taskTrue时网络在前向传播中按dual_keys[imgL, imgR]取出两幅图像并在通道维度拼接torch.cat(dual_images, dim1)再送入编码器同时解码路径使用skip_conv引入跳跃连接与单像素模式output inp_img残差输出的路径不同。从源码注释看dual_pixel_task专门为 dual-pixel 失焦去模糊设计True for dual-pixel defocus deblurring only. Also set inp_channels6。验证数据集摆放是否正确的自查清单完成下载与解压后可以按以下步骤快速自查路径检查确认data/DPDD位于仓库根目录与configs、tools、mmagic平级目录完整性确认inputL、inputR、inputC、target四个子目录都存在且非空标签文件检查确认indoor_labels.txt与outdoor_labels.txt存在且文件内每一行对应一个样本的路径相对data/DPDD内容抽查随机选取indoor_labels.txt中的一行样本名检查inputC、inputL、inputR、target四个子目录下均存在同名文件保证四路输入对齐。之后即可运行 Restormer 的失焦去模糊评测例如单 GPU 测试# 单像素模式评测 python tools/test.py configs/restormer/restormer_official_dpdd-single.py \ https://download.openmmlab.com/mmediting/restormer/restormer_official_dpdd-single-6bc31582.pth # 双像素模式评测 python tools/test.py configs/restormer/restormer_official_dpdd-dual.py \ https://download.openmmlab.com/mmediting/restormer/restormer_official_dpdd-dual-52c94c00.pth多卡测试则使用仓库自带的分布式脚本 tools/dist_test.sh用法参考 configs/restormer/README_zh-CN.md 与 docs/zh_cn/user_guides/train_test.md。测试完成后评估器会分别输出 Indoor、Outdoor 与 Combined 三组 PSNR/SSIM/MAE 指标与 configs/restormer/metafile.yml 中记录的官方结果如单像素 Indoor 28.8681 / Outdoor 23.2410 / Combined 25.9805进行对照。小结DPDD 数据集的准备本质上是三件事下载官方测试压缩包 → 解压至data/DPDD→ 保持inputL、inputR、inputC、target及两组标签文件的结构不变。该结构与 deblurring-defocus_test_config.py 的data_prefix映射严格对应任何目录改名或层级变动都会导致数据加载失败。准备就绪后通过 restormer_official_dpdd-single.py 与 restormer_official_dpdd-dual.py 即可一键复现单像素与双像素两种失焦去模糊评测。赞分享媒体生成计算机视觉深度学习人工智能大模型【免费下载链接】mmagicOpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Unlock the magic : Generative-AI (AIGC), easy-to-use APIs, awsome model zoo, diffusion models, for text-to-image generation, image/video restoration/enhancement, etc.项目地址https://gitcode.com/gh_mirrors/mm/mmagic点击查看免费下载相关推荐DeepChat 的 MCP Tasks 扩展门禁为什么明确不实现以及何时才会重新打开DeepChat 的 MCP Tasks 扩展门禁为什么明确不实现以及何时才会重新打开 本篇技术指南解读 DeepChat 仓库中 docs/feature媒体生成计算机视觉深度学习人工智能大模型Swift属性与方法完全指南存储属性、计算属性、下标与懒加载Swift编程语言中文版Swift属性与方法完全指南存储属性、计算属性、下标与懒加载Swift编程语言中文版 本文基于 Apple 官方《Swift 编程语言》the swif媒体生成计算机视觉深度学习人工智能大模型mmagic 中 HIDE 运动去模糊数据集的准备与配置指南mmagic 中 HIDE 运动去模糊数据集的准备与配置指南 HIDEHeterogeneous Image Deblurring Evaluation是单媒体生成计算机视觉深度学习人工智能大模型上一篇5个终极HTMX调试技巧让前端错误无处遁形的完整指南下一篇终极生产力工具清单从笔记管理到任务自动化的完整解决方案创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MMagic 数据集准备指南：DPDD 失焦去模糊数据集下载与目录配置详解
媒体生成计算机视觉深度学习人工智能大模型【免费下载链接】mmagicOpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Unlock the magic : Generative-AI (AIGC), easy-to-use APIs, awsome model zoo, diffusion models, for text-to-image generation, image/video restoration/enhancement, etc.项目地址https://gitcode.com/gh_mirrors/mm/mmagic点击查看免费下载本文以 MMagic 仓库中tools/dataset_converters/dpdd/README_zh-CN.md为核心系统讲解 DPDDDense Per-pixel Defocus Deblurring测试数据集的下载方式、目录结构与配置要点并结合仓库内的 Restormer 失焦去模糊配置文件单像素与双像素两种任务说明该数据集在 MMagic 推理测试流程中的实际组织方式。读完本文你将掌握在本地正确摆放 DPDD 数据集、并通过tools/test.py复现 Restormer (CVPR2022) 失焦去模糊评测的完整操作路径。DPDD 数据集是什么DPDDDense Per-pixel Defocus Deblurring是失焦去模糊Defocus Deblurring领域的标准测试数据集常用于评估模型在散焦模糊场景下的复原能力。在 MMagic 中它被 Restormer 的官方评测配置 restormer_official_dpdd-single.py 与 restormer_official_dpdd-dual.py 所引用对应论文为inproceedings{Zamir2021Restormer, title{Restormer: Efficient Transformer for High-Resolution Image Restoration}, author{Syed Waqas Zamir and Aditya Arora and Salman Khan and Munawar Hayat and Fahad Shahbaz Khan and Ming-Hsuan Yang}, booktitle{CVPR}, year{2022} }该数据集由左右双视角dual-pixel图像对构成这也是 DPDD 目录中出现inputL与inputR两个输入子目录的原因双像素dual-pixel相机传感器可以同时捕获两个略有视差的模糊视图利用这一线索有助于恢复更高质量的清晰图像。下载测试数据集MMagic 官方说明中DPDD 测试数据集从 Google Drive 下载链接为https://drive.google.com/file/d/1dDWUQ_D93XGtcywoUcZE1HOXCV4EuLyw/注意该下载链接来自仓库文档原文README_zh-CN.md。由于访问 Google Drive 需要稳定的网络环境在国内或受限网络下可能需要代理工具辅助下载。下载完成后得到的是压缩包请解压后按下一节的目录结构进行摆放。下载解压后数据集应放置于仓库根目录下的data/DPDD文件夹中。仓库文档明确要求data目录与mmagic、tools、configs平级位于项目根目录下。标准目录结构必须严格遵循将数据集解压并摆放后data/DPDD目录下应包含以下内容mmagic ├── mmagic ├── tools ├── configs ├── data │ ├── DPDD │ │ ├── inputL │ │ ├── inputR │ │ ├── inputC │ │ ├── target │ │ ├── indoor_labels.npy │ │ ├── indoor_labels.txt │ │ ├── outdoor_labels.npy │ │ └── outdoor_labels.txt各子目录与文件的作用说明如下路径内容用途data/DPDD/inputL左视角模糊图dual-pixel 左侧视图双像素任务输入之一data/DPDD/inputR右视角模糊图dual-pixel 右侧视图双像素任务输入之一data/DPDD/inputC中心合成模糊图中心视角单像素任务输入data/DPDD/target清晰参考图Ground Truth评测时计算 PSNR/SSIM/MAE 的对照data/DPDD/indoor_labels.npy室内场景样本索引numpy 格式供加载样本标签使用data/DPDD/indoor_labels.txt室内场景样本清单文本格式供BasicImageDataset的ann_file读取data/DPDD/outdoor_labels.npy室外场景样本索引numpy 格式供加载样本标签使用data/DPDD/outdoor_labels.txt室外场景样本清单文本格式供BasicImageDataset的ann_file读取需要特别说明的是.npy与.txt两种格式的差异.txt标注文件是 MMagic 数据管线实际读取的样本清单而.npy文件是数据集原始发布时自带的 numpy 格式索引两者内容对应同一批样本。在 MMagic 配置中真正被ann_file参数引用的是.txt文件。配置如何消费这套目录结构DPDD 目录结构并非随意设计它与 configs/base/datasets/deblurring-defocus_test_config.py 中的数据前缀映射一一对应。该基础配置中数据根目录被定义为dpdd_data_root data/DPDD即相对于仓库根目录的data/DPDD路径这也解释了为什么文档要求将数据集解压到该位置。随后配置通过data_prefix将输入目录映射到数据管线中的键名data_prefixdict( imginputC, imgLinputL, imgRinputR, gttarget),映射关系可以理解为img中心合成输入→data/DPDD/inputCimgL左视角输入→data/DPDD/inputLimgR右视角输入→data/DPDD/inputRgt清晰参考→data/DPDD/target对应的ann_file参数分别引用indoor_labels.txt与outdoor_labels.txt将 DPDD 划分为室内Indoor与室外Outdoor两个评测子集并额外合并出一个 Combined全部样本评测集合dpdd_indoor_dataloader dict( ... datasetdict( typeBasicImageDataset, metainfodict(dataset_typeDPDD-Indoor, task_namedeblurring), data_rootdpdd_data_root, data_prefixdict( imginputC, imgLinputL, imgRinputR, gttarget), ann_fileindoor_labels.txt, pipelinetest_pipeline))三个 dataloaderIndoor / Outdoor / Combined配合MultiTestLoop与三组评估器MAE、PSNR、SSIM见 deblurring-defocus_test_config.py共同完成一次完整评测最终分别输出DPDD-Indoor、DPDD-Outdoor、DPDD-Combined三组指标。单像素与双像素两种评测模式DPDD 目录之所以同时包含inputC、inputL、inputR是因为 MMagic 为 Restormer 提供了两种失焦去模糊评测模式单像素模式Single配置 restormer_official_dpdd-single.py 中模型以 3 通道中心图inputC作为唯一输入model dict( typeBaseEditModel, generatordict( typeRestormer, inp_channels3, out_channels3, dim48, num_blocks[4, 6, 6, 8], num_refinement_blocks4, heads[1, 2, 4, 8], ffn_expansion_factor2.66, biasFalse, LayerNorm_typeWithBias, dual_pixel_taskFalse), pixel_lossdict(typeL1Loss, loss_weight1.0, reductionmean), data_preprocessordict( typeDataPreprocessor, mean[0., 0., 0.], std[255., 255., 255.], ))关键点在于inp_channels3与dual_pixel_taskFalse即只利用中心视角的模糊图进行去模糊。双像素模式Dual配置 restormer_official_dpdd-dual.py 则在此基础上做了两处关键修改# modify PackInputs test_dataloader _base_.test_dataloader for dataloader in test_dataloader: test_pipeline dataloader[dataset][pipeline] test_pipeline[4] dict(typePackInputs, keys[imgL, imgR]) # model settings model dict( generatordict(inp_channels6, dual_pixel_taskTrue), data_preprocessordict(typeDataPreprocessor))PackInputs的打包键从默认改为[imgL, imgR]即同时打包左右双视角图像生成器输入通道改为inp_channels6左右两图各 3 通道拼接并开启dual_pixel_taskTrue。这一改动对应网络实现 restormer_net.py 中的逻辑当dual_pixel_taskTrue时网络在前向传播中按dual_keys[imgL, imgR]取出两幅图像并在通道维度拼接torch.cat(dual_images, dim1)再送入编码器同时解码路径使用skip_conv引入跳跃连接与单像素模式output inp_img残差输出的路径不同。从源码注释看dual_pixel_task专门为 dual-pixel 失焦去模糊设计True for dual-pixel defocus deblurring only. Also set inp_channels6。验证数据集摆放是否正确的自查清单完成下载与解压后可以按以下步骤快速自查路径检查确认data/DPDD位于仓库根目录与configs、tools、mmagic平级目录完整性确认inputL、inputR、inputC、target四个子目录都存在且非空标签文件检查确认indoor_labels.txt与outdoor_labels.txt存在且文件内每一行对应一个样本的路径相对data/DPDD内容抽查随机选取indoor_labels.txt中的一行样本名检查inputC、inputL、inputR、target四个子目录下均存在同名文件保证四路输入对齐。之后即可运行 Restormer 的失焦去模糊评测例如单 GPU 测试# 单像素模式评测 python tools/test.py configs/restormer/restormer_official_dpdd-single.py \ https://download.openmmlab.com/mmediting/restormer/restormer_official_dpdd-single-6bc31582.pth # 双像素模式评测 python tools/test.py configs/restormer/restormer_official_dpdd-dual.py \ https://download.openmmlab.com/mmediting/restormer/restormer_official_dpdd-dual-52c94c00.pth多卡测试则使用仓库自带的分布式脚本 tools/dist_test.sh用法参考 configs/restormer/README_zh-CN.md 与 docs/zh_cn/user_guides/train_test.md。测试完成后评估器会分别输出 Indoor、Outdoor 与 Combined 三组 PSNR/SSIM/MAE 指标与 configs/restormer/metafile.yml 中记录的官方结果如单像素 Indoor 28.8681 / Outdoor 23.2410 / Combined 25.9805进行对照。小结DPDD 数据集的准备本质上是三件事下载官方测试压缩包 → 解压至data/DPDD→ 保持inputL、inputR、inputC、target及两组标签文件的结构不变。该结构与 deblurring-defocus_test_config.py 的data_prefix映射严格对应任何目录改名或层级变动都会导致数据加载失败。准备就绪后通过 restormer_official_dpdd-single.py 与 restormer_official_dpdd-dual.py 即可一键复现单像素与双像素两种失焦去模糊评测。赞分享媒体生成计算机视觉深度学习人工智能大模型【免费下载链接】mmagicOpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Unlock the magic : Generative-AI (AIGC), easy-to-use APIs, awsome model zoo, diffusion models, for text-to-image generation, image/video restoration/enhancement, etc.项目地址https://gitcode.com/gh_mirrors/mm/mmagic点击查看免费下载相关推荐DeepChat 的 MCP Tasks 扩展门禁为什么明确不实现以及何时才会重新打开DeepChat 的 MCP Tasks 扩展门禁为什么明确不实现以及何时才会重新打开 本篇技术指南解读 DeepChat 仓库中 docs/feature媒体生成计算机视觉深度学习人工智能大模型Swift属性与方法完全指南存储属性、计算属性、下标与懒加载Swift编程语言中文版Swift属性与方法完全指南存储属性、计算属性、下标与懒加载Swift编程语言中文版 本文基于 Apple 官方《Swift 编程语言》the swif媒体生成计算机视觉深度学习人工智能大模型mmagic 中 HIDE 运动去模糊数据集的准备与配置指南mmagic 中 HIDE 运动去模糊数据集的准备与配置指南 HIDEHeterogeneous Image Deblurring Evaluation是单媒体生成计算机视觉深度学习人工智能大模型上一篇5个终极HTMX调试技巧让前端错误无处遁形的完整指南下一篇终极生产力工具清单从笔记管理到任务自动化的完整解决方案创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考