模型介绍
中文整理NAFNet: Nonlinear Activation Free Network for Image Restoration
模型描述
NAFNet（Nonlinear Activation Free Network）提出了一个简单的基线，计算效率高。其不需要使用非线性激活函数（Sigmoid、ReLU、GELU、Softmax等），可以达到SOTA性能。其网络结构如下图所示：
:-----------------------------------------------------------------------------------:
Deblur
期望模型使用方式以及适用范围
本模型适用于运动模糊图像。
如何使用
在ModelScope框架上，提供输入图片，即可通过简单的Pipeline调用来使用。
代码范例
模型局限性以及可能的偏差
由于训练数据为GOPRO，所有目前的去模糊模型对具有运动模糊图片效果良好，而其他类型的模糊可能表现不佳。
训练数据介绍
验证数据介绍
模型训练流程
预处理
数据集源地址：
GOPRO Large数据集原始地址（https://seungjunnah.github.io/Datasets/gopro)
推荐使用modelscope dataset托管的GOPRO数据集加速下载（https://modelscope.cn/datasets/damo/GOPRO/summary）
训练
数据评估及结果
name Dataset PSNR SSIM
:---- :---- :---- :----
NAFNet-GoPro-width64 GoPro test 33.7103 0.9668
相关论文以及引用信息
如果你觉得这个模型对你有所帮助，请考虑引用下面的相关论文：
Clone with HTTP
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。