[실험결과 재현 #7] Local Texture Estimator for Implicit Representation Function, CVPR 2022

1. 가상환경 설정

conda env create --file environment.yaml conda activate lte

2. Training

(1) 데이터 준비

 

데이터셋 구조

 

(2) Trina.py 실행

python train.py --config configs/train-div2k/train_swinir-lte.yaml --gpu 0,1,2,3

3. 결과

    - Table1 DIV2K Dataset, Scale x6, x12, x18, x24, x30에 대한 학습 결과 재현

(1) Loss

    1) 1000 epoch까지 학습 시켰을 때 LOSS 변화

        - 800 epoch 이후 Loss가 수렴한 것으로 보임

(2) test.py 실행

    - 차례로 실행

    - 각 scale factor에 대한 평가

python test.py --config configs/test/test-div2k-6.yaml --model save/_train_swinir-lte/epoch-last.pth --window 8 --gpu 0 python test.py --config configs/test/test-div2k-12.yaml --model save/_train_swinir-lte/epoch-last.pth --window 8 --gpu 0 python test.py --config configs/test/test-div2k-18.yaml --model save/_train_swinir-lte/epoch-last.pth --window 8 --gpu 0 python test.py --config configs/test/test-div2k-24.yaml --model save/_train_swinir-lte/epoch-last.pth --window 8 --gpu 0 python test.py --config configs/test/test-div2k-30.yaml --model save/_train_swinir-lte/epoch-last.pth --window 8 --gpu 0

     1) Table 1 과 비교

        - 1000 epoch 모델 평가 결과가 table 1과 거의 유사한 것 확인

Method	Out-of-scale
	×6	×12	×18	×24	×30
table1	27.20	24.09	22.50	21.47	20.73
재현결과	27.19	24.06	22.49	21.46	20.72

 

4. 참고 문헌

[1] Lee, Jaewon and Jin, Kyong Hwan, " Local Texture Estimator for Implicit Representation Function, " Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2022