图像补全数据集¶
建议将数据集软链接到 $MMEDITING/data 。如果您的文件夹结构不同，您可能需要更改配置文件中的相应路径。
MMEditing 支持的补全数据集：
由于在图像补全任务中，我们只需要使用图像，因此我们不需要对数据集进行额外的预处理操作，文件目录的结构也可以和本例有所不同。您可以利用原始数据集提供的信息，如 Place365 （例如 meta）。或者，您可以直接遍历数据集文件夹，并将所有图像文件的路径罗列在一个文本文件中。下面的例子节选自 Places365 数据集中的 Places365_val.txt，针对图像补全任务，我们只需要使用其中的文件名信息。
Places365_val_00000001.jpg 165
Places365_val_00000002.jpg 358
Places365_val_00000003.jpg 93
Places365_val_00000004.jpg 164
Places365_val_00000005.jpg 289
Places365_val_00000006.jpg 106
Places365_val_00000007.jpg 81
Places365_val_00000008.jpg 121
Places365_val_00000009.jpg 150
Places365_val_00000010.jpg 302
Places365_val_00000011.jpg 42
准备 CelebA-HQ 数据集¶
@article{karras2017progressive,
title={Progressive growing of gans for improved quality, stability, and variation},
author={Karras, Tero and Aila, Timo and Laine, Samuli and Lehtinen, Jaakko},
journal={arXiv preprint arXiv:1710.10196},
year={2017}
}
请按照此处准备数据集。
mmediting
├── mmedit
├── tools
├── configs
├── data
│ ├── celeba-hq
│ │ ├── train
| | ├── val
准备 Paris Street View 数据集¶
@inproceedings{pathak2016context,
title={Context encoders: Feature learning by inpainting},
author={Pathak, Deepak and Krahenbuhl, Philipp and Donahue, Jeff and Darrell, Trevor and Efros, Alexei A},
booktitle={Proceedings of the IEEE conference on computer vision and pattern recognition},
pages={2536--2544},
year={2016}
}
请从此处获取数据集。
mmediting
├── mmedit
├── tools
├── configs
├── data
│ ├── paris_street_view
│ │ ├── train
| | ├── val
准备 Places365 数据集¶
@article{zhou2017places,
title={Places: A 10 million Image Database for Scene Recognition},
author={Zhou, Bolei and Lapedriza, Agata and Khosla, Aditya and Oliva, Aude and Torralba, Antonio},
journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
year={2017},
publisher={IEEE}
}
请从 Places365 下载并准备数据。
mmediting
├── mmedit
├── tools
├── configs
├── data
│ ├── places
│ │ ├── test_set
│ │ ├── train_set
| | ├── meta
| | | ├── Places365_train.txt
| | | ├── Places365_val.txt