GFP-GAN环境搭建&推理测试

引子

近期，文生图，wav2lip很火，文生图，见识的太多，不多说了。wav2lip其通过语音驱动唇部动作并对视频质量进行修复，里面一般涉及到三个步骤，文本到语音转化，语音驱动唇部动作，图像质量修复。最后一步骤涉及到图像质量修复，考虑到之前做过基于GFP-GAN相关的工作，在此，总结汇总下。本文主要介绍腾讯在人像复原、超分等方面的佳作 GFP-GAN。在 wav2lip 中扮演视频质量判别器的任务，负责对嘴唇修复后的图像帧进行质量修复，提供更高质量的视频效果。虽然是三年前的成果，目前来看效果依然还是十分不错的。OK，让我们开始吧。

一、环境搭建

conda create -n GFPGAN python=3.7

conda activate GFPGAN

# 克隆源码

git clone https://github.com/TencentARC/GFPGAN.git

cd GFPGAN

# 安装 basicsr，训练和测试中都需要用到

pip install basicsr -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装facexlib用于人脸检测以及人脸重建的助手

pip install facexlib -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install -r requirements.txt

python setup.py develop